Pinnan tangenttivektorit

Koko: px
Aloita esitys sivulta:

Download "Pinnan tangenttivektorit"

Transkriptio

1 LUKU 5 Pinnan tangenttivektorit Tästä lähtien oletetaan, että annetut polut, pinnat, funktiot ja vektorikentät ovat C. Vastaavasti, konstruoiduista poluista, pinnoista, funktioista ja vektorikentistä pitää osoittaa, että niillä on vastaava C - ominaisuus. Yleensä tämä on niin suoraviivaista, että se jätetään harjoitustehtäväksi Tangenttivektorit Määritelmä 5.1. Olkoot M R 3 sileä pinta ja p M. Vektori v R 3 on pinnan M tangenttivektori pisteessä p, jos on olemassa C 1 -polku α: ( ε, ε) R 3 (ε > 0) siten, että (i) α(t) M kaikille t ( ε, ε); (ii) α(0) = p; (iii) α (0) = v. Pinnan M tangenttivektoreiden joukkoa pisteessä p merkitään T p (M) ja kutsutaan pinnan M tangenttiavaruudeksi pisteessä p. Lause 5.2. Olkoot M R 3 sileä pinta, p M, ϕ: U M pinnan M lokaali parametriesitys ja u 0 U siten, että ϕ(u 0 ) = p. Tällöin ϕ T p (M) = (u 0 ), ϕ (u 0 ) u 1 u 2 = vektoreiden ϕ (u 0 ) ja ϕ (u 0 ) virittämä aliavaruus. u 1 u 2 Todistus. Olkoon u 0 = (u 0,1, u 0,2 ). Koska α(t) := ϕ(t + u 0,1, u 0,2 ) ja β(t) := ϕ(u 0,1, t + u 0,2 ) ovat pinnan M C 1 -polkuja siten, että α(0) = β(0) = ϕ(u 0 ) = p, on α (0) = ϕ u 1 (u 0 ) T p (M) ja β (0) = ϕ u 2 (u 0 ) T p (M). Kääntäen, olkoon v T p (M). Tällöin on olemassa C 1 -polku α: ( ε, ε) M siten, että α(0) = p ja α (0) = v. Lauseen 4.8 ja seurauksen 4.11 todistusten mukaisesti polku α voidaan (ainakin jossakin hetken t = 0 ympäristössä) esittää muodossa 1 Viimeksi muutettu α(t) = ϕ(u 1 (t), u 2 (t)), 30

2 5.1. TANGENTTIVEKTORIT 31 missä (u 1, u 2 ): ( ε, ε) U on C 1 -polku, jolle (u 1 (0), u 2 (0)) = u 0. Tällöin ketjusäännön nojalla v = α (0) = ϕ (u 0 ) u u 1(0) + ϕ (u 0 ) u 1 u 2(0), 2 joten v on vektoreiden ϕ u 1 (u 0 ) ja ϕ u 2 (u 0 ) lineaarikombinaatio. Huomautus 5.3. Tangenttivektorit ja tangenttiavaruus voidaan määritellä myös sileälle tilkulle ϕ: U R 3 : Olkoon u 0 U. Vektori v R 3 on tilkun ϕ tangenttivektori pisteessä u 0, jos on olemassa C 1 -polku α: ( ε, ε) R 3 siten, että (i) polku α voidaan esittää muodossa α(t) = ϕ(u 1 (t), u 2 (t)) kaikille t ( ε, ε), missä (u 1, u 2 ): ( ε, ε) U on joukon U C 1 -polku; (ii) (u 1 (0), u 2 (0)) = u 0 ; (iii) α (0) = v. Tilkun ϕ tangenttivektoreiden joukkoa pisteessä u 0 merkitään T u0 (ϕ) ja kutsutaan tilkun ϕ tangenttiavaruudeksi pisteessä u 0. ( Pisteessä u 0, vaikka tangenttivektorit liittyvätkin paremmin kuvajoukon ϕ(u) pisteeseen ϕ(u 0 )). Ketjusäännön avulla ehdosta α(t) = ϕ(u 1 (t), u 2 (t)) saadaan sama esitys tilkun tangenttiavaruudelle kuin pinnan tangenttiavaruudelle lokaalin parametriesityksen avulla: ϕ T u0 (ϕ) = (u 0 ), ϕ (u 0 ). u 1 u 2 Huomaa, että tilkun tangenttiavaruudella on lunnollinen yhteys pinnan tangenttiavaruuteen: Jos ϕ: U M on sileän pinnan M lokaali parametriesitys, p M ja u 0 U siten, että ϕ(u 0 ) = p, niin T u0 (ϕ) = T p (M). Kahdeksikon t (sin t, sin 2t) päällä oleva sylinteripinta ϕ: R ( 1, 1) R 3, (u 1, u 2 ) (sin u 1, sin 2u 1, u 2 ), on sileä tilkku. Mieti, millainen on tilkun tangenttiavaruus T u0 (ϕ) niille parametriarvoille u 0, joita vastaavat pisteet ϕ(u 0 ) = p osuvat kahdeksikon leikkauskohtaan (= x 3 -akselille).

3 5.2. NORMAALIVEKTORIT Normaalivektorit Määritelmä 5.4. Olkoot M R 3 sileä pinta ja p M. Vektori n R 3 on pinnan M normaalivektori pisteessä p, jos Merkitään myös n T p (M). n v = 0 eli n v kaikille v T p (M). Määritelmä 5.5. Olkoon M R 3 sileä pinta. Pinnan M vektorikenttä X on kuvaus X : M R 3. Pinnan M vektorikenttä X = (X 1, X 2, X 3 ) on C, jos jokainen X j : M R, 1 j 3, on C -funktio. Pinnan M vektorikenttä X on pinnan M (i) tangenttivektorikenttä, jos X(p) T p (M) kaikille p M; (ii) normaalivektorikenttä, jos X(p) T p (M) kaikille p M. Huomautuksia 5.6. a) Oikeampi (ja ehkä selkeämpi) tapa tulkita pinnan M vektorikentät olisi määritellä ne käsitteen vektori pisteessä p avulla (ks. luvun Tasokäyrän kaarevuus kohta Käyrät). Näin määriteltynä vektorikenttä olisi kuvaus X : M M R 3 = R 3 p, jolle X(p) R 3 p kaikille p M. p M Näin määriteltynä vektori X(p) tulisi havainnollistaa pisteestä p alkavaksi nuoleksi, jonka kärki on pisteessä p + X(p), kun X(p) = (p; X(p)), p M. Merkintöjen yksinkertaistamiseksi tätä formalismia sovelletaan lähinnä Gaussin kuvausta käsiteltäessä, koska silloin normaalivektorikenttä ja sen suuntaosa on syytä erottaa toisistaan. Havainnollistaminen on kuitenkin syytä toteuttaa tämän idean mukaisesti aina. b) Kuten funktioille, sileän pinnan M vektorikenttä X voidaan laajentaa johonkin avoimeen joukkoon V M, t.s. on olemassa avoin joukko V M ja joukon V vektorikenttä Y siten, että X = Y M. Lisäksi, jos X on C, on sillä C -laajennus. Huomaa, että pinnan M vektorikenttä X ei määrää laajennusta Y mitenkään yksikäsitteisesti. Esimerkiksi, X : S 2 R 3, X(p) := p, on pallon pinnan S 2 vektorikenttä (itse asiassa sen yksikkönormaalivektorikenttä), jolla on laajennukset Y : R 3 R 3, Y (p) := p, ja Z : R 3 \ {0} R 3, Z(p) := p p. Lause 5.7 (Sileä tasa-arvopinta). Olkoot G R 3 avoin joukko ja F : G R C -kuvaus. Oletetaan, että tasa-arvojoukko M := F 1 (0) = {p G F (p) = 0} on epätyhjä, ja että kaikille p M gradientti F (p) 0. Tällöin tasa-arvojoukko M on sileä kaksiulotteinen pinta. Lisäksi (i) F (p) on pinnan M normaalivektori pisteessä p kaikille p M, ja (ii) pinnan M tangenttiavaruus pisteessä p M on T p (M) = F (p). Todistus. Esitetään kurssilla Differentiaalilaskenta 2, [6, lause. 4.6].

4 5.2. NORMAALIVEKTORIT 33 Huomautus 5.8. Vektorikentät (ml. tangentti- ja normaalivektorikentät) voidaan määritellä myös sileälle tilkulle ϕ: U R 3 : Tilkun ϕ vektorikenttä X ϕ on kuvaus X ϕ : U R 3. Tässä yhteydessä vektori X ϕ (u) havainnollistetaan nuolella pisteestä ϕ(u) pisteeseen ϕ(u)+x ϕ (u), u U. (Tilkun ϕ vektorikenttä X ϕ on siis paremminkin kuvaus X ϕ : U ϕ(u) R 3, X ϕ (u) = (ϕ(u); X ϕ (u)), missä X ϕ : U R 3.) Tilkun ϕ vektorikenttä X ϕ on tilkun tangenttivektorikenttä (vast. normaalivektorikenttä), jos X ϕ (u) T u (ϕ) (vast. X ϕ (u) T u (ϕ)) kaikille u U. Huomaa, että jos M on sileä pinta, X pinnan M vektorikenttä ja ϕ: U M pinnan lokaali parametriesitys, niin X ϕ: U R 3 on tilkun ϕ vektorikenttä. Tämä esitystapa voidaan kääntää ainakin lokaalisti: Jos M on sileä pinta ja ϕ: U M sen lokaali parametriesitys sekä X ϕ : U R 3 tilkun ϕ vektorikenttä, niin X ϕ ϕ 1 : ϕ(u) R 3 on pinnan M osajoukon ϕ(u) vektorikenttä. Vrt. lauseeseen 4.8. Sileään tilkkuun liittyy luonnollisella tavalla kolme vektorikenttää: sen koordinaattikäyrien tangenttivektorikentät E ϕ 1 := ϕ u 1 ja E ϕ 2 := ϕ u 2, jotka siis ovat tilkun tangenttivektorikenttiä, sekä näiden ristitulo E ϕ 1 E ϕ 2, joka on tilkun normaalivektorikenttä. Muistettakoon, että tilkku ϕ: U R 3 on sileä, jos ja vain jos tangenttivektoreiden E ϕ 1 (u) ja E ϕ 2 (u) ristitulo on kaikkialla nollasta eroava. Jatkossa pintojen (ja tilkkujen) ominaisuuksia tutkitaan osin tangenttivektorikenttien, mutta varsinkin yhden tärkeän normaalivektorikentän avulla: Määritelmä 5.9. Sileän tilkun ϕ: U R 3 Gaussin kuvaus on tilkun yksikkönormaalivektorikenttä kuvauksena N ϕ : U S 2, (5.1) N ϕ (u) := Eϕ 1 (u) E ϕ 2 (u) E ϕ 1 (u) E ϕ 2 (u), u U. Sileälle tilkulle Gaussin kuvauksen N ϕ olemassaolo (ja se, että se on C -kuvaus) seuraa suoraan määritelmästä. Sileälle pinnalle tilanne on ongelmallisempi; tätä selvitellään seuraavassa kohdassa Pinnan suunnistus. Määritelmä Olkoot M R 3 sileä pinta ja N sen C -yksikkönormaalivektorikenttä, N(p) = (p; N(p)). Pinnan M Gaussin kuvaus on pinnan yksikkönormaalivektorikentän määräämä kuvaus (5.2) N : M S 2. Esimerkkejä a) Taso voidaan esittää yhtälöllä n p = h, missä n R 3 on nollasta eroava vektori (tason normaalivektori) ja h R vakio. Tällaisen tason Gaussin kuvaus on N : p n/ n, joten kuvajoukko koostuu vain yhdestä pisteestä. b) Pallolla S 2 = {p R 3 p = 1} on pisteessä p yksikkönormaali N(p) = p, joten Gaussin kuvaus N : S 2 S 2 on identtinen kuvaus. Edellisten esimerkkien antama idea, voimakkaammin kaareutuvalle pinnalle Gaussin kuvauksen kuvajoukko on isompi pallon pinnan osajoukko, oli Carl Friedrich

5 5.2. NORMAALIVEKTORIT 34 Kuva 1. Pallon pinnan S 2 Gaussin kuvaus: pallon normaalivektoreita (siniset) ja niiden kuvavektorit (punaiset; samat normaalivektorit siirrettynä origosta alkaviksi). Huomaa: N : S 2 S 2 on bijektio. Kuva 2. Toruksen T Gaussin kuvaus: toruksen normaalivektoreita ja niiden kuvavektorit (normaalivektorit siirrettynä origosta alkaviksi; tästä kuvakulmasta katsottuna niistä on näkyvissä vain kärki). Huomaa: kuvajoukko N(T ) peittää pallon S 2 kaksinkertaisesti. Gaussin ( ) lähtökohta pinnan kaarevuuden määrittelemiseksi. 2 Tämä on kuitenkin teknisesti hieman mutkikas tapa, ja seuraavassa luvussa menetellään toisin käyttäen Julius Weingartenilta ( ) peräisin olevaa ideaa tutkia pinnan yksikkönormaalin muutosnopeutta (eli derivaattaa). 2 Gaussin artikkelia Disquisitiones generales circa superficies curvas vuodelta 1827 voidaan pitää pintojen differentiaaligeometrian syntynä. Tätä ennen (1670-luvulta alkaen) tasokäyrien ominaisuuksia tunnettiin melko hyvin ja jonkin verran avaruuskäyriä; ks. [14, osa II, Ch. 2]. Frenet n kaavat ovat peräisin vasta vuosilta 1847 (Jean Frédéric Frenet, ) ja 1851 (Joseph Alfred Serret, ). Kaavat tosin oli löydetty jo tätä ennen, Karl Eduard Senff ( ) ja Johann Martin Bartels ( ) vuonna 1831, mutta nämä työt jäivät pitkäksi aikaa unholaan.

6 5.3. PINNAN SUUNNISTUS Pinnan suunnistus Sileän tilkun ϕ: U R 3 tangenttiavaruus T u (ϕ) on kolmiulotteisen avaruuden kaksiulotteinen aliavaruus, joten sen ortogonaalikomplementti (T u (ϕ)) on yksiulotteinen. Tämän ortogonaalikomplementin kantavektoriksi käy luonnollisesti tilkun yksikkönormaalivektori N ϕ (u). Normaalivektorin N ϕ (u) voidaan ajatella osoittavan joukolle ϕ(u) ulkopuolen. Tällöin vastavektori N ϕ (u) osoittaa joukolle ϕ(u) sisäpuolen. Sileällä tilkulla on siis kaksi puolta. Sileälle pinnalle M R 3 tilanne on mutkikkaampi. Jokaista lokaalia parametriesitystä ϕ: U M vastaavalla pinnan osalla ϕ(u) M on kaksi puolta, koska lokaali parametriesitys on sileä tilkku. Ongelma syntyykin kahden eri parametriesityksen välille: parametriesitysten ϕ ja ψ määräämät normaalivektorit N ϕ (u) ja N ψ (u) voivat olla vastakkaiset osassa leikkausjoukkoa ϕ(u) ψ(v), osassa samat. Seuraavan esimerkin Möbiuksen nauha valottaa tilannetta. Esimerkki Möbiuksen nauha on sileä pinta ϕ(( 1, 1) R), missä ϕ: ( 1, 1) R R 3, ( ϕ(t, θ) := (cos θ, sin θ, 0) + t cos θ 2 cos θ, cos θ 2 sin θ, sin θ ) 2 (( = 1 + t cos θ ) ( cos θ, 1 + t cos θ ) sin θ, t sin θ ) Kuva 3. Möbiuksen nauha voidaan leikata kahteen osaan, joista kummallakin on jatkuva yksikkönormaalivektorikenttä. Osien leikkausjoukossa normaalit kuitenkin törmäävät vastakkaissuuntaisina. Määritelmä Olkoon M R 3 sileä pinta. Pinta M on suunnistuva, sillä on jatkuva yksikkönormaalivektorikenttä N. Jos pinta M on suunnistuva ja N sen jatkuva yksikkönormaalivektorikenttä, on N pinnan M suunnistus, ja pari (M, N) suunnistettu pinta. Suunnistettu pinta on siis suunnistuva pinta, jolle normaalivektorin N valinnalla on määritelty ulkopuoli (se, johon N osoittaa), ja sisäpuoli. Tässä yhteydessä yksikkönormaalivektorikenttä N ja Gaussin kuvaus N on hyvä pitää erillään merkinnällisestikin. Nimittäin, yksikkönormaalivektorikenttä N on kuvaus, joka liittää pinnan jokaiseen pisteeseen p liittyvän yksikkönormaalin N(p), eli

7 N on kuvaus 5.3. PINNAN SUUNNISTUS 36 N : M (T p (M)), p M ja sillä on paikkaosa-suuntaosa -esitys N(p) = (p; N(p)), missä N : M R 3. Gaussin kuvaus on tällöin suuntaosan N määräämä kuvaus N : M S 2. Jatkossa tulemme keskittymään ensisijaisesti suunnistuvien pintojen tarkasteluun. Pinnat oletetaan yleensä suunnistetuiksi, eli niille oletetaan annetun yksikkönormaalivektorikenttä N. Seuraavat täydentävät tulokset ja esimerkit eivät ole jatkon kannalta tärkeitä, vaan lukija voi sivuuttaa ne ilman, että myöhemmät tarkastelut vaikeutuvat. Möbiuksen nauhan pohjalta kannattaa kuitenkin tehdä selväksi, ettei sileälle pinnalle suunnistuvuus ole itsestään selvää, vaan se pitää erikseen olettaa. Möbiuksen nauhaa havainnollistavan kuvaparin 3 oikeanpuoleinen kuva havainnollistaa suunnistumattomaan pintaan liittyvää toista ominaisuutta: käsite kierto 90 vastapäivään ei ole hyvin määritelty. Olkoot M R 3 sileä pinta, ϕ: U M sen lokaali parametriesitys ja N pinnan M osajoukon ϕ(u) jatkuva yksikkönormaalivektorikenttä. Kun asetetaan J p (v p ) := N(p) v p, v p T p (M), saadaan lineaarikuvaus J p : T p (M) T p (M), joka käyttäytyy paljolti samoin kuin kohdassa Käyrän kaarevuus tarkasteltu kuvaus J : R 2 R 2, (x, y) ( y, x). Esimerkiksi, ristitulon ominaisuuksien nojalla J p (v p ) v p, joten J p (v p ) saadaan kiertämällä vektoria v p 90 tangenttiavaruudessa T p (M). Tällöin Jp 2 (v p ) = J p (J p (v p )) = v p. Lisäksi, jos N(p) = (0, 0, 1), niin tangenttiavaruus T p (M) on oleellisesti xy-taso ja J p = J (laske tarkasti, niin näet miten). Edelleen, jos X on pinnan M jatkuva tangenttivektorikenttä, niin kuvaus M T (M) := T p (M) R 3 R 3, p J p ( X(p)), p M on jatkuva. (Tällöin sanotaan, että kuvaus p J p on jatkuva.) Kääntäen, jos jokaiselle p M on annettuna lineaarikuvaus J p : T p (M) T p (M) siten, että (i) Jp 2 (v p ) = v p kaikille v p T p (M), 3 ja (ii) kuvaus p J p on jatkuva siinä mielessä, että p J p ( X(p)) on jatkuva jokaiselle pinnan M jatkuva tangenttivektorikentälle X, niin tällöin kaava N(p) = v p J p (v p ) v p J p (v p ), v p T p (M), määrittelee pinnalle M jatkuvan yksikkönormaalivektorikentän N. Todistuksen osalta katso [8, 11.1, Thm 11.1]. 3 Tällaista lineaarikuvausta kutsutaan tangenttiavaruuden T p (M) kompleksiseksi struktuuriksi.

8 5.3. PINNAN SUUNNISTUS 37 Toinen suunnistuvuuteen liittyvä ominaisuus käsittelee kartanvaihtokuvausta (vrt. seuraus 4.11). Olkoot ϕ: U M ja ψ : V M sileän pinnan M R 3 lokaaleja parametriesityksiä siten, ϕ(u) ψ(v) on epätyhjä. Oletetaan (kuten luonnollista on), että joukot U ja V ovat yhtenäisiä. Tilkku ϕ määrittelee pinnan osajoukkoon ϕ(u) yksikkönormaalin N ϕ ϕ 1, missä N ϕ on tilkun koordinaattivektorikenttien E ϕ 1 ja E ϕ 2 ristitulo normeerattuna yksikkövektoriksi. Vastaavasti, tilkku ψ määrittelee pinnan osajoukkoon ψ(v) yksikkönormaalin N ψ ψ 1. Koska tangenttiavaruus T p (M) on kaksiulotteinen, on jokaisessa pisteessä p ϕ(u) ψ(v) voimassa ( N ϕ ϕ 1 )(p) = ±( N ψ ψ 1 )(p). Jos ( N ϕ ϕ 1 )(p) = ( N ψ ψ 1 )(p) leikkausjoukossa ϕ(u) ψ(v), saadaan yhdisteeseen ϕ(u) ψ(v) hyvin määritelty, jatkuva yksikkönormaali N asettamalla { ( N N(p) := ϕ ϕ 1 )(p), kun p ϕ(u), ja ( N ψ ψ 1 )(p), kun p ψ(v). Oletetaan nyt, että leikkausjoukko ϕ(u) ψ(v) on yhtenäinen, ja että siinä on voimassa ( N ϕ ϕ 1 )(p) = ( N ψ ψ 1 )(p). Yhdisteeseen ϕ(u) ψ(v) saadaan nyt hyvin määritelty, jatkuva yksikkönormaali N asettamalla { ( N N(p) := ϕ ϕ 1 )(p), kun p ϕ(u), ja ( N ψ ψ 1 )(p), kun p ψ(v). Jos leikkausjoukko ϕ(u) ψ(v) ei ole yhtenäinen, päädytään Möbiuksen nauhan kaltaisiin ongelmiin. (Tutki tilannetta, kun ϕ(u) ψ(v) koostuu kahdesta osasta.) Normaalin N ψ korjaus vastakkaissuuntaiseksi voidaan siirtää parametriesitykseen ψ seuraavasti: Olkoot Ṽ := {(v 1, v 2 ) R 2 (v 2, v 1 ) V} ja ψ : ψ(v Ṽ M, 1, v 2 ) := ψ(v 2, v 1 ). Tällöin 1 ψ(v1, v 2 ) = 2 ψ(v 2, v 1 ) ja 2 ψ(v1, v 2 ) = 1 ψ(v 2, v 1 ), joten N ψ(v 1, v 2 ) = N ψ (v 2, v 1 ). Kuvaus R 2 R 2, (v 1, v 2 ) (v 2, v 1 ), on diffeomofismi, jonka Jacobin determinantti on negatiivinen. Yleisesti pätee seuraava: Lemma Olkoot ψ : V R 3 tilkku, Ṽ R2 avoin, F : Ṽ V sekä ψ : Ṽ R3, ψ := ψ F. Tällöin 1 ψ(ṽ) 2 ψ(ṽ) = (JF (ṽ)) 1 ψ(v) 2 ψ(v) kaikille ṽ Ṽ, kun v := F (ṽ), missä J F J F (ṽ) = det DF (ṽ). 4 Todistus. Olkoon F = (F 1, F 2 ). Ketjusäännön nojalla Ristitulolle on tällöin C1 -kuvaus on kuvauksen F Jacobin determinantti, 1 ψ(ṽ) = 1 ψ(f (ṽ)) 1 F 1 (ṽ) + 2 ψ(f (ṽ)) 1 F 2 (ṽ), 2 ψ(ṽ) = 1 ψ(f (ṽ)) 2 F 1 (ṽ) + 2 ψ(f (ṽ)) 2 F 2 (ṽ). 1 ψ(ṽ) 2 ψ(ṽ) = ( 1 F 1 (ṽ) 2 F 2 (ṽ) 1 F 2 (ṽ) 2 F 1 (ṽ) ) 1 ψ(v) 2 ψ(v). 4 Tämän sijasta me saksalaiset käytämme Jacobin mukaisesti pyöreätä osittaisderivaatalle. (Karl Weierstrass ( ) vuonna 1874). Nykyinen merkintätapa osittaisderivaatalle lienee peräisin Carl Gustav Jacob Jacobilta ( ) vuodelta 1827.

9 5.3. PINNAN SUUNNISTUS 38 Tämän lemman nojalla tasoalueen diffeomorfismi vaihtaa sileään tilkkuun liittyvän yksikkönormaalin vastakkaissuuntaiseksi aina ja vain, kun kyseisen diffeomorfismin Jacobin determinantti on negatiivinen. Yleisesti on voimassa: Lause Sileä pinta M R 3 on suunnistuva, jos ja vain jos on olemassa perhe lokaaleja parametriesityksiä ϕ j : U j M, j J, siten, että (i) joukot ϕ j (U j ), j J, peittävät pinnan M, t.s. j J ϕ j(u j ) = M, ja (ii) jokaisen kartanvaihtokuvauksen ϕ 1 i ϕ j : ϕ 1 j (W i,j ) ϕ 1 i (W i,j ), i, j J, Jacobin determinantti on positiivinen joukossa W i,j := ϕ i (U i ) ϕ j (U j ). Todistus. Katso [8, 11.1, Thm 11.11]. Esimerkki Yksi tunnetuimmista suunnistumattomista pinnoista on Kleinin pullo. Sen merkittävin ero Möbiuksen nauhaan nähden, mikä myös tekee siitä huomattavasti hankamman hahmottaa kuin Möbiuksen nauha, on että se on kompakti (jolloin se määritelmämme mukaan on reunaton; huomaa, että Möbiuksen nauhan kuvassa näkyvä reunaviiva ei ole osa nauhaa). Kuva 4. Paperimalli Kleinin pullolle. Suorakaiteen ylä- ja alareuna liimataan toisiinsa nuolten osoittamiin suuntiin. Syntyvän sylinterin päät liimataan nuolien osoittamiin suuntiin. Todellista Kleinin pulloa ei kuitenkaan voi piirtää kolmiulotteiseen avaruuteen, eli se ei ole määritelmämme mielessä kaksiulotteinen pinta; se on abstrakti kaksiulotteinen monisto. Kleinin pullon kaltainen pinta voidaan upottaa neliulotteiseen euklidiseen avaruuteen R 4 ja immersoida kolmiulotteiseen avaruuteen R 3 (upotuksessa pinta ei saa leikata itseään, immersiossa itseleikkaukset ovat sallittuja); tämän on todistanut Hassler Whitney 1944; ks. [15, Thm ]. Vertaa tilannetta solmun tekoon: Avaruudessa R 3 langan päät voidaan liittää toisiinsa ilman, että lanka muualla koskettaa itseään. Jos lanka puristetaan tasoon, syntyy leikkauskohtia.

10 5.3. PINNAN SUUNNISTUS 39 Esimerkkejä Toinen Kleinin pullon kaltainen suunnistumaton kompakti pinta on (reaalinen) projektiivinen taso RP 2. Tämä voidaan rakentaa paperista Kleinin pullon periaatteen mukaan, kun kuvassa 4 vaihdetaan alareunan suunta vastakkaiseksi (t.s. alareunassa vasemmalla olevat pisteet liimataan kiinni yläreunan oikealla oleviin pisteisiin). Kuten Klein pullo, projektiivinen tasokin RP 2 voidaan upottaa neliulotteiseen euklidiseen avaruuteen ja immersoida kolmiulotteiseen avaruuteen. Jonkinlainen realisaatio projektiivisesta tasosta RP 2 kolmiulotteiseen avaruuteen saadaan Steinerin roomalaisena pintana ja ns. crosscap-pintana: a) Steinerin roomalainen pinta on tilkku ϕ: (0, π) (0, π) R 3, ϕ(u, v) := ( sin u sin (2v), cos u sin (2v), sin (2u) (cos v) 2). Kuva 5. Steinerin roomalainen pinta. b) Crosscap on tilkku ϕ: (0, π) (0, π) R 3, ϕ(u, v) := ( 1 2 sin u sin (2v), sin (2u) (cos v)2, cos (2u) (cos v) 2). Kuva 6. Crosscap.

LUKU 4. Pinnat. (u 1, u 2 ) ja E ϕ 2 (u 1, u 2 ) := ϕ u 2

LUKU 4. Pinnat. (u 1, u 2 ) ja E ϕ 2 (u 1, u 2 ) := ϕ u 2 LUKU 4 Pinnat 4.. Määritelmiä ja esimerkkejä Määritelmä 4.. Epätyhjä osajoukko M R 3 on sileä (kaksiulotteinen) pinta, jos jokaiselle pisteelle p M on olemassa ympäristö V p R 3, avoin joukko U p R 2 ja

Lisätiedot

Esimerkki 1.1. Kahdeksikkopolku α: u (sin u, sin 2u) on helppo todeta injektioksi

Esimerkki 1.1. Kahdeksikkopolku α: u (sin u, sin 2u) on helppo todeta injektioksi . Pinnoista.. Pinnan määritelmästä. Monisteen [] määritelmän 4.. mukainen pinta S on sama olio, jollaista abstraktimmassa differentiaaligeometriassa kutsutaan avaruuden R n alimonistoksi (tarkemmin upotetuksi

Lisätiedot

LUKU 6. Weingartenin kuvaus

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

Lisätiedot

LUKU 7. Perusmuodot Ensimmäinen perusmuoto. Funktiot E, F ja G ovat tilkun ϕ ensimmäisen perusmuodon kertoimet ja neliömuoto

LUKU 7. Perusmuodot Ensimmäinen perusmuoto. Funktiot E, F ja G ovat tilkun ϕ ensimmäisen perusmuodon kertoimet ja neliömuoto LUKU 7 Perusmuodot 7 Ensimmäinen perusmuoto Määritelmä 7 Olkoon ϕ: U R 3 tilkku Määritellään funktiot E, F, G: U R asettamalla (7) E := ϕ ϕ, F := ϕ, G := ϕ u u u u Funktiot E, F G ovat tilkun ϕ ensimmäisen

Lisätiedot

LUKU 10. Yhdensuuntaissiirto

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

Lisätiedot

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

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

Lisätiedot

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

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

Lisätiedot

Käyrän kaarevuus ja kierevyys

Käyrän kaarevuus ja kierevyys Käyrän kaarevuus ja kierevyys LuK-tutkielma Recardt Jua Opiskelijanumero 2435589 Matemaattisten tieteiden laitos Oulun yliopisto Kevät 2017 Sisältö 1 Jodanto 2 2 Esitietoja 3 2.1 Derivointi polulla.........................

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

Differentiaalimuodot

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

Lisätiedot

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

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

Lisätiedot

4.3.7 Epäoleellinen integraali

4.3.7 Epäoleellinen integraali Esimerkki 4.3.16. (Lineaarinen muuttujien vaihto) Olkoot A R m sellainen kompakti joukko, että A on nollajoukko. Olkoon M R m m säännöllinen matriisi (eli det(m) 0) ja f : R m R jatkuva funktio. Tehdään

Lisätiedot

F dr = F NdS. VEKTORIANALYYSI Luento Stokesin lause

F dr = F NdS. VEKTORIANALYYSI Luento Stokesin lause 91 VEKTORIANALYYI Luento 13 9. tokesin lause A 16.5 tokesin lause on kuin Gaussin lause, mutta yhtä dimensiota alempana: se liittää toisiinsa kentän derivaatasta pinnan yli otetun integraalin ja pinnan

Lisätiedot

2.6 Funktioiden kuvaajat ja tasa-arvojoukot

2.6 Funktioiden kuvaajat ja tasa-arvojoukot 2.6 Funktioiden kuvaajat ja tasa-arvojoukot Olkoon I R väli. Yhden muuttujan funktion g : I R kuvaaja eli graafi on avaruuden R 2 osajoukko {(x, y) R 2 : x I, y = g(x)}. 1 0 1 2 3 1 0.5 0 0.5 1 Kuva 2.1:

Lisätiedot

Tasokäyrän kaarevuus LUKU 1

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

Lisätiedot

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

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

Lisätiedot

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 8: Divergenssi ja roottori. Gaussin divergenssilause.

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 8: Divergenssi ja roottori. Gaussin divergenssilause. MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 8: Divergenssi ja roottori. Gaussin divergenssilause. Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0305 Syksy 2015

Lisätiedot

Vektorianalyysi II (MAT21020), syksy 2018

Vektorianalyysi II (MAT21020), syksy 2018 Vektorianalyysi II (MAT21020), syksy 2018 Ylimääräisiä harjoitustehtäviä 1. Osoita, että normin neliö f : R n R, f(x) = x 2 on differentioituva pisteessä a R n ja, että sen derivaatalle on voimassa 2.

Lisätiedot

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

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

Lisätiedot

JYVÄSKYLÄN YLIOPISTO. Integraalilaskenta 2 Harjoitus Olkoon A := {(x, y) R 2 0 x π, sin x y 2 sin x}. Laske käyräintegraali

JYVÄSKYLÄN YLIOPISTO. Integraalilaskenta 2 Harjoitus Olkoon A := {(x, y) R 2 0 x π, sin x y 2 sin x}. Laske käyräintegraali JYVÄSKYLÄN YLIOPISTO MTEMTIIKN J TILSTOTIETEEN LITOS Integraalilaskenta Harjoitus 4 5.4.4. Olkoon := {(x, y) R x π, sin x y sin x}. Laske käyräintegraali + (y dx + x dy) a) suoraan; ja b) Greenin lauseen

Lisätiedot

Stokesin lause LUKU 5

Stokesin lause LUKU 5 LUU 5 Stokesin lause 5.1. Integrointi monistolla Olkoot W R k alue, W kompakti Jordan-joukko ja ω jatkuva k-muoto alueessa W, ω f dx 1 dx k. Asetetaan ω : f, t.s. f dx 1 dx k : f(x dx f(x 1,, x k dx 1

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

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Malinen/Vesanen MS-A0205/6 Differentiaali- ja integraalilaskenta 2, kevät 2017 Laskuharjoitus 4A (Vastaukset) alkuviikolla

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

LUKU 6. Klassiset lauseet

LUKU 6. Klassiset lauseet LUKU 6 Klassiset lauseet Tässä luvussa näytetään, miten klassiset Stokesin lauseelle lähisukuiset tulokset, Greenin ja Gaussin lauseet, saadaan erikoistapauksena yleisestä Stokesin lauseesta. Ensin tarkastellaan

Lisätiedot

Oletetaan sitten, että γ(i) = η(j). Koska γ ja η ovat Jordan-polku, ne ovat jatkuvia injektiivisiä kuvauksia kompaktilta joukolta, ja määrittävät

Oletetaan sitten, että γ(i) = η(j). Koska γ ja η ovat Jordan-polku, ne ovat jatkuvia injektiivisiä kuvauksia kompaktilta joukolta, ja määrittävät HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi II, syksy 18 Harjoitus 6 Ratkaisuehdotukset Tehtävä 1. Osoita, että sileille Jordan-poluille on voimassa : I R n ja : J R n (I) = (J) jos ja vain

Lisätiedot

(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

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

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

Lisätiedot

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

Hyperpintojen geometriaa

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

Lisätiedot

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos

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

Lisätiedot

3.4 Käänteiskuvauslause ja implisiittifunktiolause

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

Lisätiedot

r > y x z x = z y + y x z y + y x = r y x + y x = r

r > y x z x = z y + y x z y + y x = r y x + y x = r HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi I, syksy 018 Harjoitus Ratkaisuehdotukset Tehtävä 1. Osoita, että avoin kuula on avoin joukko ja suljettu kuula on suljettu joukko. Ratkaisu.

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

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

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

Lisätiedot

Tehtävä 1. Näytä, että tason avoimessa yksikköpallossa

Tehtävä 1. Näytä, että tason avoimessa yksikköpallossa HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi II, syksy 2018 Harjoitus 2 Ratkaisuehdotukset Tehtävä 1. Näytä, että tason avoimessa yksikköpallossa määritelty kuvaus B(0, 1) := x R 2 : x

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

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 10: Stokesin lause

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 10: Stokesin lause MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 10: Stokesin lause Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Syksy 2016 Antti Rasila (Aalto-yliopisto) MS-A0305 Syksy

Lisätiedot

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 4 / vko 47

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 4 / vko 47 MS-A3/A5 Matriisilaskenta Malliratkaisut 4 / vko 47 Tehtävä 1 (L): Oletetaan, että AB = AC, kun B ja C ovat m n-matriiseja. a) Näytä, että jos A on kääntyvä, niin B = C. b) Seuraako yhtälöstä AB = AC yhtälö

Lisätiedot

4. Käyrän lokaaleja ominaisuuksia

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

Lisätiedot

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

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

Kompleksianalyysi, viikko 4

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

Lisätiedot

kaikki ( r, θ )-avaruuden pisteet (0, θ ) - oli θ

kaikki ( r, θ )-avaruuden pisteet (0, θ ) - oli θ 58 VEKTORIANALYYSI Luento 9 Ortogonaaliset käyräviivaiset koordinaatistot Olemme jo monta kertaa esittäneet karteesiset x, y ja z koordinaatit uusia koordinaatteja käyttäen: x= xuvw (,, ), y= yuvw (,,

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

LUKU 3. Ulkoinen derivaatta. dx i 1. dx i 2. ω i1,i 2,...,i k

LUKU 3. Ulkoinen derivaatta. dx i 1. dx i 2. ω i1,i 2,...,i k LUKU 3 Ulkoinen derivaatta Olkoot A R n alue k n ja ω jatkuvasti derivoituva k-muoto alueessa A Muoto ω voidaan esittää summana ω = ω i1 i 2 i k dx i 1 dx i 2 1 i 1

Lisätiedot

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

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

Lisätiedot

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

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

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

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

Kuva 1: Funktion f tasa-arvokäyriä. Ratkaisu. Suurin kasvunopeus on gradientin suuntaan. 6x 0,2

Kuva 1: Funktion f tasa-arvokäyriä. Ratkaisu. Suurin kasvunopeus on gradientin suuntaan. 6x 0,2 HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi I, syksy 018 Harjoitus Ratkaisuehdotukset Tehtävä 1. Olkoon f : R R f(x 1, x ) = x 1 + x Olkoon C R. Määritä tasa-arvojoukko Sf(C) = {(x 1, x

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

Gaussin lause eli divergenssilause 1

Gaussin lause eli divergenssilause 1 80 VEKTOIANALYYI Luento 1 8. Gaussin lause eli divergenssilause 1 A 16.4 Kurssin jäljellä olevassa osassa käymme läpi joukon fysiikan kannalta tärkeitä vektorikenttien integrointia koskevia tuloksia, nimittäin

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

MATP153 Approbatur 1B Harjoitus 3, ratkaisut Maanantai

MATP153 Approbatur 1B Harjoitus 3, ratkaisut Maanantai MATP53 Approbatur B Harjoitus 3, ratkaisut Maanantai 6..5. (Teht. 5 ja s. 4.) Olkoot z = + y i ja z = + y i. Osoita, että (a) z + z = z +z, (b) z z = z z, (c) z z = z ja (d) z = z z, kun z. (a) z + z =

Lisätiedot

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 3: Vektorikentät

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 3: Vektorikentät MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 3: Vektorikentät Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Syksy 2016 Antti Rasila (Aalto-yliopisto) MS-A0305 Syksy 2016

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

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

POHDIN - projekti. Funktio. Vektoriarvoinen funktio

POHDIN - projekti. Funktio. Vektoriarvoinen funktio POHDIN - projekti Funktio Funktio f joukosta A joukkoon B tarkoittaa sääntöä, joka liittää jokaiseen joukon A alkioon jonkin alkion joukosta B. Yleensä merkitään f : A B. Usein käytetään sanaa kuvaus synonyymina

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

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

Vektorianalyysi II MAT21020

Vektorianalyysi II MAT21020 Vektorianalyysi II MAT Luennoitsija: Ritva Hurri-Syrjänen Luentoajat: ke: :5-:, to: :5-4: Helsingin yliopisto 4. huhtikuuta 8 Sisältö RHS:n luennoista 3 5 Kertausta vektorifunktioista 4 6 Vektorifunktioiden

Lisätiedot

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 2: Usean muuttujan funktiot

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 2: Usean muuttujan funktiot MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 2: Usean muuttujan funktiot Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Syksy 2016 Antti Rasila (Aalto-yliopisto)

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

peitteestä voidaan valita äärellinen osapeite). Äärellisen monen nollajoukon yhdiste on nollajoukko.

peitteestä voidaan valita äärellinen osapeite). Äärellisen monen nollajoukon yhdiste on nollajoukko. Esimerkki 4.3.9. a) Piste on nollajoukko. Suoran rajoitetut osajoukot ovat avaruuden R m, m 2, nollajoukkoja. Samoin suorakaiteiden reunat koostuvat suoran kompakteista osajoukoista. b) Joukko = Q m [0,

Lisätiedot

Vektorit, suorat ja tasot

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

Lisätiedot

Olkoot f : S R 3 pinnan S jatkuva vektorikenttä ja V U kompakti Jordanjoukko. Tällöin vektorikentän f pintaintegraali yli joukon T := ϕ(v ) S on

Olkoot f : S R 3 pinnan S jatkuva vektorikenttä ja V U kompakti Jordanjoukko. Tällöin vektorikentän f pintaintegraali yli joukon T := ϕ(v ) S on 1. Differentiaalimuodon integraalista II 1.1. ektorikentän pintaintegraali. (Ks. [2, 2.1] ja [2, 2.2.2] Olkoot S R 3 sileä alkeispinta ja ϕ: U S sen parametriesitys. Pinnan suunnistukseksi valitaan seuraavassa

Lisätiedot

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

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

Lisätiedot

Cantorin joukko LUKU 8

Cantorin joukko LUKU 8 LUKU 8 Cantorin joukko 8.. Cantorin 3 -joukko Merkitään J = J 0, = [0, ]. Poistetaan välin J keskeltä avoin väli I,, jonka pituus on /3; siis I, = (, 2). Olkoot jäljelle jäävät suljetut välit J 3 3, ja

Lisätiedot

KOMPLEKSIANALYYSI I KURSSI SYKSY 2012

KOMPLEKSIANALYYSI I KURSSI SYKSY 2012 KOMPLEKSIANALYYSI I KURSSI SYKSY 2012 RITVA HURRI-SYRJÄNEN 8. Integraalilauseiden sovelluksia 1. Analyyttisen funktion sarjaesitys. (eli jokainen analyyttinen funktio on lokaalisti suppenevan potenssisarjan

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

= 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

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 10: Napa-, sylinteri- ja pallokoordinaatistot. Pintaintegraali.

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 10: Napa-, sylinteri- ja pallokoordinaatistot. Pintaintegraali. MS-A25/MS-A26 Differentiaali- ja integraalilaskenta 2 Luento 1: Napa-, sylinteri- ja pallokoordinaatistot. Pintaintegraali. Jarmo Malinen Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto Kevät

Lisätiedot

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 9: Muuttujanvaihto taso- ja avaruusintegraaleissa

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 9: Muuttujanvaihto taso- ja avaruusintegraaleissa MS-A24 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 9: Muuttujanvaihto taso- ja avaruusintegraaleissa Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 216 Antti Rasila

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

on Abelin ryhmä kertolaskun suhteen. Tämän joukon alkioiden lukumäärää merkitään

on Abelin ryhmä kertolaskun suhteen. Tämän joukon alkioiden lukumäärää merkitään 5. Primitiivinen alkio 5.1. Täydennystä lukuteoriaan. Olkoon n Z, n 2. Palautettakoon mieleen, että kokonaislukujen jäännösluokkarenkaan kääntyvien alkioiden muodostama osajoukko Z n := {x Z n x on kääntyvä}

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

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

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

Lisätiedot

MS-A0207 Differentiaali- ja integraalilaskenta 2 (CHEM) Luento 2: Usean muuttujan funktiot

MS-A0207 Differentiaali- ja integraalilaskenta 2 (CHEM) Luento 2: Usean muuttujan funktiot MS-A0207 Differentiaali- ja integraalilaskenta 2 (CHEM) Luento 2: Usean muuttujan funktiot Harri Hakula Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto Kevät 2018 1 Perustuu Antti Rasilan luentomonisteeseen

Lisätiedot

Suorista ja tasoista LaMa 1 syksyllä 2009

Suorista ja tasoista LaMa 1 syksyllä 2009 Viidennen viikon luennot Suorista ja tasoista LaMa 1 syksyllä 2009 Perustuu kirjan Poole: Linear Algebra lukuihin I.3 - I.4 Esko Turunen esko.turunen@tut.fi Aluksi hiukan 2 ja 3 ulotteisen reaaliavaruuden

Lisätiedot

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 3: Osittaisderivaatta

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 3: Osittaisderivaatta MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 3: Osittaisderivaatta Jarmo Malinen Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto Kevät 2016 1 Perustuu Antti Rasilan luentomonisteeseen

Lisätiedot

, on säännöllinen 2-ulotteinen pinta. Määrää T x0 pisteessä x 0 = (0, 1, 1).

, on säännöllinen 2-ulotteinen pinta. Määrää T x0 pisteessä x 0 = (0, 1, 1). HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi II, syksy 017 Harjoitus 4 Ratkaisuehdotukset 4.1. Osoita, että tasa-arvojoukko S F (0), F : R 3 R, F (x) = 3x 1 x 3 + e x + x e x 3, on säännöllinen

Lisätiedot

3.3 Funktion raja-arvo

3.3 Funktion raja-arvo 3.3 Funktion raja-arvo Olkoot A ja B kompleksitason joukkoja ja f : A B kuvaus. Kuvauksella f on pisteessä z 0 A raja-arvo c, jos jokaista ε > 0 vastaa δ > 0 siten, että 0 < z z 0 < δ ja z A f(z) c < ε.

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

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

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

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

Lisätiedot

= + + = 4. Derivointi useammassa ulottuvuudessa

= + + = 4. Derivointi useammassa ulottuvuudessa 30 VEKTORIANALYYSI Lento 4 4. Derivointi seammassa lottvdessa Osittaisderivaatta. Kerrataan alksi osittaisderivaatan käsite. Fnktio f= f( r) = f( xyz,, ) on kolmen mttjan fnktio, jonka arvo yleensä mtt,

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

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 9: Greenin lause

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 9: Greenin lause MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 9: Greenin lause Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0305 Syksy 2015 1 / 19 Esimerkki Olkoon F : R 3 R 3 vakiofunktio

Lisätiedot

Vektoriarvoiset funktiot Vektoriarvoisen funktion jatkuvuus ja derivoituvuus

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

Lisätiedot

Osoita, että kaikki paraabelit ovat yhdenmuotoisia etsimällä skaalauskuvaus, joka vie paraabelin y = ax 2 paraabelille y = bx 2. VASTAUS: , b = 2 2

Osoita, että kaikki paraabelit ovat yhdenmuotoisia etsimällä skaalauskuvaus, joka vie paraabelin y = ax 2 paraabelille y = bx 2. VASTAUS: , b = 2 2 8. Geometriset kuvaukset 8.1. Euklidiset kuvaukset 344. Esitä muodossa x = Ax + b se avaruuden E 3 peilauskuvaus, jonka symmetriatasona on x 1 3x + x 3 = 6. A = 1 3 6 6 3, b = 1 1 18. 3 6 6 345. Tason

Lisätiedot

LUKU 6. Mitalliset funktiot

LUKU 6. Mitalliset funktiot LUKU 6 Mitalliset funktiot Määritelmistä 3. ja 3.0 seuraa, että jokainen Lebesgue-integroituva funktio on porrasfunktiojonon raja-arvo melkein kaikkialla. Kuitenkin moni tuttu funktio ei ole Lebesgue-integroituva.

Lisätiedot

1.1 Vektorit. MS-A0004/A0006 Matriisilaskenta. 1.1 Vektorit. 1.1 Vektorit. Reaalinen n-ulotteinen avaruus on joukko. x 1. R n.

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

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

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

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

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

Lisätiedot

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

4. Derivointi useammassa ulottuvuudessa

4. Derivointi useammassa ulottuvuudessa 6 VEKTORIANALYYSI Lento 3 4. Derivointi seammassa lottvdessa Osittaisderivaatta. Kerrataan alksi osittaisderivaatan käsite. Fnktio f f ( r) f ( x, y, z) on kolmen mttjan fnktio, jonka arvo yleensä mtt,

Lisätiedot

BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 4, Syksy 2016

BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 4, Syksy 2016 BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 4, Syksy 2016 1. Hahmottele karkeasti funktion f : R R 2 piirtämällä sen arvoja muutamilla eri muuttujan arvoilla kaksiulotteiseen koordinaatistoon

Lisätiedot