LUKU 7. Perusmuodot Ensimmäinen perusmuoto. Funktiot E, F ja G ovat tilkun ϕ ensimmäisen perusmuodon kertoimet ja neliömuoto
|
|
|
- Hilja Saarinen
- 6 vuotta sitten
- Katselukertoja:
Transkriptio
1 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 perusmuodon kertoimet neliömuoto tilkun ϕ ensimmäinen perusmuoto ds := E du + F du du + G du Tilkun ensimmäinen perusmuoto on lähinnä muodollinen lauseke, koska differentiaaleille du, du du du ei ole määritelty toimintatapaa Ensimmäistä perusmuotoa ei juurikaan tarvita sellaisenaan, ainoastaan sen kertoimia Lemma 7 Olkoot ϕ: U R 3 tilkku, E, F, G sen ensimmäisen perusmuodon kertoimet α: [a, b] R 3 C -polku, joka voidaan esittää muodossa a α(t) = ϕ(u (t), u (t)), missä u = (u, u ): [a, b] U on tason C -polku Tällöin polun α kaarenpituusparametrille on τ ( du ) du du ( s(τ) = E + F dt dt dt + G du ) dt dt Todistus Määritelmän mukaan s(τ) = τ a α (t) dt Tässä α (t) = α (t) α (t) ( ϕ = (u(t)) u u (t) + ϕ ) ( ϕ (u(t)) u u (t) (u(t)) u u (t) + ϕ ) (u(t)) u u (t) = E(u(t)) u (t) + F (u(t)) u (t) u (t) + G(u(t)) u (t) Edellisen lemman avulla tilkun ensimmäiselle perusmuodolle voidaan antaa täsmennys merkitys: Koordinaattikuvausten u, u : R R, u (u, v) := u u (u, v) := v, differentiaalit pisteessä (a, b) R ovat lineaarikuvauksia du j (a, b): R R, joille du (a, b)(u, v) = u = u (u, v) du (a, b)(u, v) = v = u (u, v), ts du j (a, b) = u j Usein käytetään lyhennettyä merkintää du j tarkemman merkinnän du j (a, b) sista (eihän du j (a, b) riipu lainkaan pisteestä (a, b)) Ensimmäinen perusmuoto pisteessä (a, b) on kuvaus, jolle ds ((a, b); (u, v)) = E(a, b) (du (u, v)) +F (a, b) du (u, v) du (u, v)+g(a, b) (du (u, v)) Viimeksi muutettu 4 5
2 Edellisen lemman todistuksen mukaan 7 TOINEN PERUSMUOTO 53 ds (u(t); u (t)) = α (t), kun α(t) = ϕ(u(t)) Siis ds (u(t); u (t)) antaa tangenttivektorin α (t) pituuden neliön laskettuna parametriesitysten ϕ u avulla 7 Toinen perusmuoto Määritelmä 73 Olkoot ϕ: U R 3 sileä tilkku N ϕ sen yksikkönormaalikenttä Määritellään funktiot e, f, g : U R asettamalla (7) e := N ϕ ϕ, f := N ϕ ϕ, g := N ϕ ϕ u u u u Funktiot e, f g ovat tilkun ϕ toisen perusmuodon kertoimet neliömuoto tilkun ϕ toinen perusmuoto e du + f du du + g du Huomautuksia 74 a) Identiteetistä N ϕ ϕ u = saadaan puolittain derivoimalla = N ϕ ϕ + N ϕ ϕ, u u u joten Vastaavalla tavalla saadaan e = N ϕ u f = N ϕ u g = N ϕ u ϕ u ϕ = N ϕ ϕ u u u ϕ u b) Vastaavalla laskulla, jolla selvitettiin ensimmäisen perusmuodon merkitystä, saadaan toiselle perusmuodolle: kun ϕ on sileän pinnan M lokaali parametriesitys, p = ϕ(u) v p := ( ) p; a ϕ u (u) + b ϕ u Tp (M), on S p (v p ) v p = e a + f a b + g b Lause 75 (Weingartenin yhtälöt) Olkoot (M, N) suunnistettu pinta ϕ: U M pinnan lokaali parametriesitys siten, että sen yksikkönormaalille on N ϕ = N ϕ Tällöin pinnan M Weingartenin kuvaukselle on kantavektoreiden E ϕ = ϕ u E ϕ = ϕ u avulla esitettynä voimassa S ϕ(u) (E ϕ ) = f F e G E G F (73) + e F f E E G F Eϕ S ϕ(u) (E ϕ ) = g F f G E G F Eϕ + f F g E E G F Eϕ
3 7 TOINEN PERUSMUOTO 54 Todistus Koska koordinaattivektorikentät E ϕ (u) E ϕ (u) muodostavat kannan tangenttiavaruuteen T ϕ(u) (M), voidaan vektorit S ϕ(u) (E ϕ ) S ϕ(u) (E ϕ ) esittää niiden lineaarikombinaatioina: S ϕ(u) (E ϕ ) = N ϕ = a, E ϕ + a, E ϕ u S ϕ(u) (E ϕ ) = N ϕ = a, E ϕ + a, E ϕ u Kun näistä yhtälöistä muodostetaan sisätulot puolittain vektoreiden E ϕ (u) E ϕ (u) kanssa, saadaan e = N ϕ u E ϕ = a, E + a, F f = N ϕ E ϕ = a, F + a, G u f = N ϕ E ϕ = a, E + a, F u g = N ϕ E ϕ = a, F + a, G u Yhtälöryhmä voidaan esittää matriisimuodossa [ ] [ e f a, a =, f g ] [ E F a, a, F G ] Sileälle tilkulle ensimmäinen perusmuoto on positiivisesti definiitti, joten E G F = E F F G > Yhtälöryhmän ratkaisuksi saadaan [ ] [ ] [ ] [ ] [ ] a, a, e f E F e f G F = = a, a, f g F G E G F f g F E Väite seuraa tästä Seuraus 76 Olkoot (M, N) suunnistettu pinta ϕ: U M pinnan lokaali parametriesitys siten, että sen yksikkönormaalille on N ϕ = N ϕ Tällöin pinnan M Gaussin kaarevuudelle K keskikaarevuudelle H on K(ϕ(u)) = e g f E G F H(ϕ(u)) = e G f F + g E (E G F ) Vaihtoehtoisesti voidaan käyttää seuraavaa ristitulon ominaisuutta E ϕ E ϕ = E ϕ E ϕ (E ϕ Eϕ ) = E G F
4 73 ESIMERKKEJÄ 55 Todistus Weingartenin yhtälöiden nolla Weingartenin kuvauksen S ϕ(u) matriisi kannan {E ϕ (u), E ϕ (u)} suhteen on [ ] f F e G e F f E A = E G F g F f G f F g E Siis K(ϕ(u)) = det S ϕ(u) = H(ϕ(u)) = tr S ϕ(u) = Väitteet seuraavat näistä sieventämällä (f F e G)(f F g E) (e F f E)(g F f G) (E G F ) (f F e G) + (f F g E) (E G F ) 73 Esimerkkejä Esimerkki 77 (Apinan satula) Olkoon f : R R, f(u, v) := u 3 3 u v Funktion f kuvaalla on parametriesitys ϕ(u, v) = (u, v, u 3 3 u v ), joten ϕ u (u, v) = (,, 3 u 3 v ) tilkun ϕ ensimmäisen perusmuodon kertoimet ovat Vastaavasti ϕ (u, v) = (,, 6 u v), v E = + 9 (u v ), F = 8 u v (u v ) G = 36 u v ϕ (u, v) = (,, 6 u), u ϕ u v (u, v) = (,, 6 v) ϕ v (u, v) = (,, 6 u) Tilkun ϕ yksikkönormaali saadaan normeeraamalla ristitulo E ϕ (u, v) E ϕ (u, v) = ( f(u, v), f(u, v), ) = ( 3 u + 3 v, 6 u v, ) yksikkövektoriksi: N ϕ (u, v) = ( 3 u + 3 v, 6 u v, ) + 9 (u v ) + 36 u v Tilkun ϕ toisen perusmuodon kertoimet ovat siis e = N ϕ (u, v) ϕ 6 (u, v) = u f = N ϕ (u, v) ϕ 6 (u, v) = u v g = N ϕ (u, v) ϕ 6 (u, v) = v u + 9 u4 + 8 u v + 9 v 4, v + 9 u4 + 8 u v + 9 v 4, u + 9 u4 + 8 u v + 9 v 4
5 73 ESIMERKKEJÄ Kuva Apinan satula väritettynä Gaussin kaarevuuden (vasen kuva) keskikaarevuuden (oikea kuva) avulla Funktion f kuvaan Gaussin kaarevuus keskikaarevuus saadaan nyt edellisen seurauksen 76 kaavojen avulla: E F G = + 9 u u v + 9 v 4, e f g 36 (u + v ) = + 9 u u v + 9 v, 4 36 (u + v ) K(ϕ(u, v)) = ( + 9 u u v + 9 v 4 ), H(ϕ(u, v)) = 7 (u5 u 3 v 3 u v 4 ) ( + 9 u u v + 9 v 4 ) 3/ Huomaa, että vaikka funktion f kuvaa ei ole kiertoinvariantti z-akselin suhteen, riippuu Gaussin kaarevuus vain neliöstä u + v Määritelmä 78 Olkoot (M, N) suunnistettu pinta p M Sanotaan, että piste p on a) elliptinen, jos K(p) > ; b) hyperbolinen, jos K(p) < ; c) parabolinen, jos K(p) =, mutta Weingartenin kuvaus S p ; d) tasomainen, jos Weingartenin kuvaus S p = (jolloin K(p) = ) Huomautus 79 Pääkaarevuuksien k (p) k (p) avulla ilmaistuna piste p on a) elliptinen, jos k (p) k (p) ovat samanmerkkiset ( nollasta eroavat); b) hyperbolinen, jos k (p) k (p) ovat erimerkkiset ( nollasta eroavat); c) parabolinen, jos toinen pääkaarevuuksista on nolla toinen nollasta eroava; d) tasomainen, jos molemmat pääkaarevuudet ovat nollia Esimerkki 7 (Pyörähdyspinnat) Olkoon ϕ: (a, b) R R 3 profiilikäyrän (x, x ): (a, b) R, missä x (t) > kaikille t (a, b), määräämä parametrisoitu pyörähdyspinta, ϕ(t, θ) := (x (t) cos θ, x (t) sin θ, x (t))
6 Tikulle ϕ on 73 ESIMERKKEJÄ 57 ϕ t (t, θ) = (x (t) cos θ, x (t) sin θ, x (t)), ϕ θ (t, θ) = ( x (t) sin θ, x (t) cos θ, ), ϕ (t, θ) = (x t (t) cos θ, x (t) sin θ, x (t)), ϕ t θ (t, θ) = ( x (t) sin θ, x (t) cos θ, ), ϕ θ (t, θ) = ( x (t) cos θ, x (t) sin θ, ) Tilkun ϕ yksikkönormaali on N ϕ (t, θ) = v(t) ( x (t) cos θ, x (t) sin θ, x (t)), missä v(t) = x (t) + x (t) Näistä saadaan ensimmäisen perusmuodon kertoimet sekä toisen perusmuodon kertoimet E = x (t), F = G = v(t), e = x (t) x (t), f = g = x (t) x (t) x (t) x (t) v(t) v(t) Pyörähdyspinnan Gaussin kaarevuus pisteessä ϕ(t, θ) on K(ϕ(t, θ)) = x (t) x (t) x (t) x (t) x (t) x (t) v(t) 4 Erityisesti, jos polun (x, x ) vauhti on yksi, niin K(ϕ(t, θ)) = x (t) x (t) Esimerkiksi pallo saadaan pyörähdyspintana ympyrästä (x, x ): t (r cos t, r sin t), missä r > Tässä x (t) = r sin t, x (t) = r cos t, v(t) = r x (t) x (t) x (t) x (t) = r, joten K(ϕ(t, θ)) = r cos t r r cos t r = 4 r Torus saadaan pyörähdyspintana ympyrästä (x, x ): t (a+b cos t, b sin t), missä < b < a Tässä joten x (t) = b sin t, x (t) = b cos t, v(t) = b x (t) x (t) x (t) x (t) = b, K(ϕ(t, θ)) = b cos t b a + b cos t b = 4 cos t b (a + b cos t)
7 73 ESIMERKKEJÄ Kuva Torus väritettynä Gaussin kaarevuuden avulla Esimerkki 7 Edellisen esimerkin mukaan r-säteisen pallon Gaussin kaarevuus on positiivinen vakio Määrätään pyörähdyspinnat, joiden Gaussin kaarevuus K on positiivinen vakio = /a, missä a > Oletetaan, että profiilikäyrän (x, x ): (a, b) R vauhti on yksi, jolloin pinnan Gaussin kaarevuus on K = x (t) x (t) Funktiolle x saadaan siis differentiaaliyhtälö x (t) + a x (t) = Tämän differentiaaliyhtälön kaikki ratkaisut saadaan kaavasta x (t) = b cos(t/a + c), missä b, c R Oletetaan yksinkertaisuuden vuoksi, että c = b > (Oletus c = vain määrää aika-akselin origon) Voidaan myös olettaa, että x (t) (muuten tarkastellaan funktiota t x ( t)) Ehdosta x (t) + x (t) = saadaan a x (t) = a a x (t) = a b sin (t/a) Kun vielä oletetaan, että x () = (tämä valinta kiinnittää profiilikäyrän x - akselin suunnassa), saadaan profiikäyrälle parametriesitys x (t) = b cos(t/a) t/a x (t) = a b sin τ dτ Ratkaisun x -koordinaatti voidaan esittää ns toisen lajin elliptisen integraalin E(s m) := s m sin τ dτ avulla x (t) = a E( t b ) Elliptisiä integraale ei a a poikkeustapauksia lukuunottamatta voida esittää alkeisfunktioiden avulla Ratkaisun pisin määrittelyväli I nähdään helposti tarkastelemalla integraalin juurrettavaa: (i) Jos b < a, on I = R ( värttinä ) (ii) Jos b = a, on I = ( πa, πa) (pallo)
8 73 ESIMERKKEJÄ 59 (iii) Jos b > a, on I = ( a arcsin b a, a arcsin b a ) ( pullistuma ) Kuva 3 Pyörähdyspinto, joiden Gaussin kaarevuus = Esimerkki 7 Määrätään pyörähdyspinnat, joiden Gaussin kaarevuus K on negatiivinen vakio = /a, missä a > Funktiolle x saadaan nyt differentiaaliyhtälö x (t) a x (t) = Tämän differentiaaliyhtälön kaikki ratkaisut saadaan kaavasta x (t) = A e t/a + B e t/a, missä A, B R Jos A =, niin voidaan olettaa, että B > Jos B a, tehdään muuttunvaihto t t + a log B a log a, jolloin x (t) = a e t/a Koska polku (x, x ) on yksikkövauhtinen, on x (t) = e t/a, joten profiilikäyrällä on parametriesitys x (t) = a e t/a, x (t) = t e τ/a dτ, t Tämä polku tunnetaan nimellä vetokäyrä (engl tractrix) sen määräämä pyörähdyspinta nimellä pseudopallo
9 73 ESIMERKKEJÄ 6 Vastaavasti, jos B =, päädytään parametriesitykseen (tarvittaessa vielä vastaava muuttunvaihto muuttuan t) x (t) = a e t/a, x (t) = t e τ/a dτ, t Olkoot nyt A B Muuttunvaihdon t t + a B log avulla päästään A tilanteeseen, missä A = B Olkoot nyt A = B Tällöin x (t) = A e t/a + A e t/a = A cosh(t/a), joten profiilikäyrällä on parametriesitys (b := A) x (t) = b cosh(t/a), t/a a arsinh(a/b) < t < a arsinh(a/b) x (t) = a b sinh τ dτ, Vastaava pyörähdyspinta on hyperboloidimainen Olkoot nyt A = B Tällöin x (t) = A e t/a A e t/a = A sinh(t/a), joten profiilikäyrällä on parametriesitys (b := A; voidaan olettaa, että b > ; muuten käytetään muuttunvaihtoa t t) x (t) = b sinh(t/a), t/a a b a arsinh a b < t < a arsinh x (t) = a b cosh τ dτ, b b Vastaava pyörähdyspinta on kartiomainen Kuva 4 Pyörähdyspinto, joiden Gaussin kaarevuus =
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
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
Pinnan tangenttivektorit
LUKU 5 Pinnan tangenttivektorit Tästä lähtien oletetaan, että annetut polut, pinnat, funktiot ja vektorikentät ovat C. Vastaavasti, konstruoiduista poluista, pinnoista, funktioista ja vektorikentistä pitää
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
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
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](/thumbs/71/65388066.jpg "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])
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
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
Kompleksianalyysi, viikko 4
Kompleksianalyysi, viikko 4 Jukka Kemppainen Mathematics Division Reaalimuuttujan kompleksiarvoisen funktion integraali Aloitetaan reaalimuuttujan kompleksiarvoisen funktion integraalin määrittelyllä,
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
MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 5: Kaarenpituus ja skalaarikentän viivaintegraali
MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 5: Kaarenpituus ja skalaarikentän viivaintegraali Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0305 Syksy 2015 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
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
A = (a 2x) 2. f (x) = 12x 2 8ax + a 2 = 0 x = 8a ± 64a 2 48a x = a 6 tai x = a 2.
MATP53 Approbatur B Harjoitus 7 Maanantai..5. (Teht. s. 9.) Neliön muotoisesta pahviarkista, jonka sivun pituus on a, taitellaan kanneton laatikko niin, että pahviarkin nurkista leikataan neliön muotoiset
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
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
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
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
Liittomatriisi. Liittomatriisi. Määritelmä 16 Olkoon A 2 M(n, n). Matriisin A liittomatriisi on cof A 2 M(n, n), missä. 1) i+j det A ij.
Liittomatriisi Määritelmä 16 Olkoon A 2 M(n, n). Matriisin A liittomatriisi on cof A 2 M(n, n), missä (cof A) ij =( 1) i+j det A ij kaikilla i, j = 1,...,n. Huomautus 8 Olkoon A 2 M(n, n). Tällöin kaikilla
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.........................
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
Integroimistekniikkaa Integraalifunktio
. Integroimistekniikkaa.. Integraalifunktio 388. Vertaa funktioiden ln ja ln, b) arctan ja arctan + k k, c) ln( + 2 ja ln( 2, missä a >, derivaattoja toisiinsa. Tutki funktioiden erotusta muuttujan eri
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
Kanta ja Kannan-vaihto
ja Kannan-vaihto 1 Olkoon L vektoriavaruus. Äärellinen joukko L:n vektoreita V = { v 1, v 2,..., v n } on kanta, jos (1) Jokainen L:n vektori voidaan lausua v-vektoreiden lineaarikombinaationa. (Ts. Span(V
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
MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45
MS-A0003/A0005 Matriisilaskenta Laskuharjoitus / vko 5 Tehtävä 1 (L): Hahmottele kompleksitasoon ne pisteet, jotka toteuttavat a) z 3 =, b) z + 3 i < 3, c) 1/z >. Yleisesti: ehto z = R, z C muodostaa kompleksitasoon
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
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
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
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
Differentiaali- ja integraalilaskenta 1 Ratkaisut 5. viikolle /
MS-A8 Differentiaali- ja integraalilaskenta, V/7 Differentiaali- ja integraalilaskenta Ratkaisut 5. viikolle / 9..5. Integroimismenetelmät Tehtävä : Laske osittaisintegroinnin avulla a) π x sin(x) dx,
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
f(x 1, x 2 ) = x x 1 k 1 k 2 k 1, k 2 x 2 1, 0 1 f(1, 1)h 1 = h = h 2 1, 1 12 f(1, 1)h 1 h 2
HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi I, syksy 7 Harjoitus 6 Ratkaisuehdotukset 6.. Olkoon f : G R, G = {(x, x ) R x > }, f(x, x ) = x x. Etsi differentiaalit d k f(, ), k =,,. Ratkaisu:
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
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
MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 1: Parametrisoidut käyrät ja kaarenpituus
MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 1: Parametrisoidut käyrät ja kaarenpituus Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0202 Syksy 2015 1 / 18
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?
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
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
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:
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
763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 1 Kevät y' P. α φ
76336A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 1 Kevät 217 1. Koordinaatiston muunnosmatriisi (a) y' P r α φ ' Tarkastellaan, mitä annettu muunnos = cos φ + y sin φ, y = sin φ + y cos φ, (1a) (1b) tekee
d Todista: dx xn = nx n 1 kaikilla x R, n N Derivaatta Derivaatta ja differentiaali
6. Derivaatta 6.. Derivaatta ja differentiaali 72. Olkoon f () = 4. Etsi derivaatan määritelmän avulla f ( 3). f ( 3) = 08. 73. Muodosta funktion f () = derivaatta suoraan määritelmän mukaan, so. tarkastelemalla
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
Fysiikan matematiikka P
Fysiikan matematiikka 763101P Luennoija: Kari Rummukainen, Fysikaalisten tieteiden laitos Tavoite: tarjota opiskelijalle nopeasti fysikaalisten tieteiden tarvitsemia matematiikan perustietoja ja taitoja.
Tekijä Pitkä matematiikka Suoran pisteitä ovat esimerkiksi ( 5, 2), ( 2,1), (1, 0), (4, 1) ja ( 11, 4).
Tekijä Pitkä matematiikka 4 9.12.2016 212 Suoran pisteitä ovat esimerkiksi ( 5, 2), ( 2,1), (1, 0), (4, 1) ja ( 11, 4). Vastaus esimerkiksi ( 5, 2), ( 2,1), (1, 0), (4, 1) ja ( 11, 4) 213 Merkitään pistettä
Vektoreiden A = (A1, A 2, A 3 ) ja B = (B1, B 2, B 3 ) pistetulo on. Edellisestä seuraa
Viikon aiheet Pistetulo (skalaaritulo Vektorien tulot Pistetulo Ristitulo Skalaari- ja vektorikolmitulo Integraalifunktio, alkeisfunktioiden integrointi, yhdistetyn funktion derivaatan integrointi Vektoreiden
l 1 2l + 1, c) 100 l=0 AB 3AC ja AB AC sekä vektoreiden AB ja
MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy 7. Millä reaaliluvun arvoilla a) 9 =, b) + 5 + +, e) 5?. Kirjoita Σ-merkkiä käyttäen summat 4, a) + + 5 + + 99, b) 5 + 4 65 + + n 5 n, c) +
l 1 2l + 1, c) 100 l=0
MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy 5. Millä reaaliluvun arvoilla a) 9 =, b) 5 + 5 +, e) 5?. Kirjoita Σ-merkkiä käyttäen summat 4, a) + + 5 + + 99, b) 5 + 4 65 + + n 5 n, c)
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
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
A B = (1, q, q 2 ) (2, 0, 2) = 2 2q q 2 = 0 q 2 = 1 q = ±1 A(±1) = (1, ±1, 1) A(1) A( 1) = (1, 1, 1) (1, 1, 1) = A( 1) A(1) A( 1) = 1
Mapu I Viikko 4 tehtävä malli Millä q:n arvoilla vektori A(q) (, q, q ) on kohtisuora vektorin B (, 0, ) kanssa? Ovatko A:n eri ratkaisut keskenään kohtisuoria? Jos eivät, määrää niiden välinen kulma!
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
(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
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
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
MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy Millä reaaliluvun x arvoilla. 3 4 x 2,
MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy 6. Millä reaaliluvun arvoilla a) 9 =, b) + + + 4, e) 5?. Kirjoita Σ-merkkiä käyttäen summat 4, a) + 4 + 6 + +, b) 8 + 4 6 + + n n, c) + + +
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
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
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
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
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
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
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
MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 1: Parametrisoidut käyrät ja kaarenpituus
MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 1: Parametrisoidut käyrät ja kaarenpituus Jarmo Malinen Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto Kevät 2016 1 Perustuu
(b) = x cos x 1 ( cos x)dx. = x cos x + cos xdx. = sin x x cos x + C, C R.
Calculus Kurssikoe..7. Laske (a) x sin x, (b) x x + x. (a) Merkitään u(x) = x ja v (x) = sin x, jolloin u (x) =, v(x) = cos x ja osittaisintegroimalla saadaan x sin x = u(x)v (x) = u(x)v(x) u (x)v(x) =
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
Kertaus. x x x. K1. a) b) x 5 x 6 = x 5 6 = x 1 = 1 x, x 0. K2. a) a a a a, a > 0
Kertaus K. a) 6 4 64 0, 0 0 0 0 b) 5 6 = 5 6 = =, 0 c) d) 4 4 4 7 4 ( ) 7 7 7 7 87 56 7 7 7 K. a) b) c) d) 6 6 a a a, a > 0 6 6 a a a a, a > 0 5 5 55 5 5 5 5 5 5 5 5 5 5 a a a a a ( a ) a a a, a > 0 K.
1 Kertaus. Lineaarinen optimointitehtävä on muotoa:
1 Kertaus Lineaarinen optimointitehtävä on muotoa: min c 1 x 1 + c 2 x 2 + + c n x n kun a 11 x 1 + a 12 x 2 + + a 1n x n b 1 a 21 x 1 + a 22 x 2 + + a 2n x n b 2 (11) a m1 x 1 + a m2 x 2 + + a mn x n
2.5. Matriisin avaruudet ja tunnusluvut
2.5. Matriisin avaruudet ja tunnusluvut m n-matriisi A Lineaarikuvaus A : V Z, missä V ja Z ovat sopivasti valittuja, dim V = n, dim Z = m (yleensä V = R n tai C n ja Z = R m tai C m ) Kuva-avaruus ja
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
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
Ominaisarvo-hajoitelma ja diagonalisointi
Ominaisarvo-hajoitelma ja a 1 Lause 1: Jos reaalisella n n matriisilla A on n eri suurta reaalista ominaisarvoa λ 1,λ 2,...,λ n, λ i λ j, kun i j, niin vastaavat ominaisvektorit x 1, x 2,..., x n muodostavat
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Differentiaaliyhtälöt, osa 1 Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 20 R. Kangaslampi Matriisihajotelmista
Differentiaali- ja integraalilaskenta 3 Laskuharjoitus 7 /
M-A3x Differentiaali- ja integraalilaskenta 3, IV/216 Differentiaali- ja integraalilaskenta 3 Laskuharjoitus 7 / 14.-16.3. Harjoitustehtävät 37-4 lasketaan alkuviikon harjoituksissa. Kotitehtävät 41-43
f(tx + (1 t)y) tf(x) + (1 t)f(y) jokaisella x, y A ja t [0, 1].
![f(tx + (1 t)y) tf(x) + (1 t)f(y) jokaisella x, y A ja t [0, 1].](/thumbs/73/68924432.jpg "f(tx + (1 t)y) tf(x) + (1 t)f(y) jokaisella x, y A ja t [0, 1].")
Tässä luvussa näytetään divergenssilause konveksin joukon tapauksessa. Määritelmä 4.5.1. 1. Joukko R m on konveksi, jos kaikilla x, y pisteet tx + (1 t)y jokaisella t [0, 1]. 2. Olkoon R m konveksi. Funktio
MS-C1350 Osittaisdifferentiaaliyhtälöt Harjoitukset 5, syksy Mallivastaukset
MS-C350 Osittaisdifferentiaaliyhtälöt Haroitukset 5, syksy 207. Oletetaan, että a > 0 a funktio u on yhtälön u a u = 0 ratkaisu. a Osoita, että funktio vx, t = u x, t toteuttaa yhtälön a v = 0. b Osoita,
Matematiikan peruskurssi 2
Matematiikan peruskurssi Demonstraatiot III, 4.5..06. Mikä on funktion f suurin mahdollinen määrittelyjoukko, kun f(x) x? Mikä on silloin f:n arvojoukko? Etsi f:n käänteisfunktio f ja tarkista, että löytämäsi
Matematiikan peruskurssi 2
Matematiikan peruskurssi Tentti, 9..06 Tentin kesto: h. Sallitut apuvälineet: kaavakokoelma ja laskin, joka ei kykene graaseen/symboliseen laskentaan Vastaa seuraavista viidestä tehtävästä neljään. Saat
Vastaa kaikkiin kysymyksiin (kokeessa ei saa käyttää laskinta)
Helsingin yliopisto, Matematiikan ja tilastotieteen osasto Vektorianalyysi II (MAT22, syksy 28 Kurssitentti, Ma 7228 (RATKAISUEHDOTUKSET Tentaattori: Ville Tengvall (villetengvall@helsinkifi Vastaa kaikkiin
Vektorialgebra 1/5 Sisältö ESITIEDOT: vektori
Vektorialgebra 1/5 Sisältö Skalaaritulo Vektoreiden yhteenlaskun ja skalaarilla kertomisen lisäksi vektoreiden välille voidaan määritellä myös kertolasku. Itse asiassa näitä on kaksi erilaista. Seurauksena
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
a) Mikä on integraalifunktio ja miten derivaatta liittyy siihen? Anna esimerkki. 8 3 + 4 2 0 = 16 3 = 3 1 3.
Integraalilaskenta. a) Mikä on integraalifunktio ja miten derivaatta liittyy siihen? Anna esimerkki. b) Mitä määrätty integraali tietyllä välillä x tarkoittaa? Vihje: * Integraali * Määrätyn integraalin
Differentiaali- ja integraalilaskenta 3 Mallit laskuharjoitukseen 3 /
MS-A3x Differentiaali- ja integraalilaskenta 3, IV/6 Differentiaali- ja integraalilaskenta 3 Mallit laskuharjoitukseen 3 / 9..-.3. Avaruusintegraalit ja muuttujanvaihdot Tehtävä 3: Laske sopivalla muunnoksella
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
Determinantti 1 / 30
1 / 30 on reaaliluku, joka on määritelty neliömatriiseille Determinantin avulla voidaan esimerkiksi selvittää, onko matriisi kääntyvä a voidaan käyttää käänteismatriisin määräämisessä ja siten lineaarisen
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
3x + y + 2z = 5 e) 2x + 3y 2z = 3 x 2y + 4z = 1. x + y 2z + u + 3v = 1 b) 2x y + 2z + 2u + 6v = 2 3x + 2y 4z 3u 9v = 3. { 2x y = k 4x + 2y = h
HARJOITUSTEHTÄVIÄ 1. Anna seuraavien yhtälöryhmien kerroinmatriisit ja täydennetyt kerroinmatriisit sekä ratkaise yhtälöryhmät Gaussin eliminointimenetelmällä. { 2x + y = 11 2x y = 5 2x y + z = 2 a) b)
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
6. OMINAISARVOT JA DIAGONALISOINTI
0 6 OMINAISARVOT JA DIAGONALISOINTI 6 Ominaisarvot ja ominaisvektorit Olkoon V äärellisulotteinen vektoriavaruus, dim(v ) = n ja L : V V lineaarikuvaus Määritelmä 6 Skalaari λ R on L:n ominaisarvo, jos
HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.
HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 8 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I. Mitkä seuraavista funktioista F, F, F ja F 4 ovat kertymäfunktioita? Mitkä
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
Vektorilaskenta, tentti
Vektorilaskenta, tentti 27102017 Tentin kesto n 3 tuntia Vastaa NELJÄÄN tehtävään Jos vastaat kaikkiin, niin neljä PARASTA otetaan huomioon Kuvat vievät tilaa, joten muista kurkistaa paperin toiselle puolelle
Kertaus. x x x. K1. a) b) x 5 x 6 = x 5 6 = x 1 = 1 x, x 0. K2. a) a a a a, a > 0
Juuri 8 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 8.9.07 Kertaus K. a) 6 4 64 0, 0 0 0 0 b) 5 6 = 5 6 = =, 0 c) d) K. a) b) c) d) 4 4 4 7 4 ( ) 7 7 7 7 87 56 7 7 7 6 6 a a a, a > 0 6 6 a
Matematiikan taito 9, RATKAISUT. , jolloin. . Vast. ]0,2] arvot.
![Matematiikan taito 9, RATKAISUT. , jolloin. . Vast. ]0,2] arvot.](/thumbs/61/46046056.jpg "Matematiikan taito 9, RATKAISUT. , jolloin. . Vast. ]0,2] arvot.")
7 Sovelluksia 90 a) Koska sin saa kaikki välillä [,] olevat arvot, niin funktion f ( ) = sin pienin arvo on = ja suurin arvo on ( ) = b) Koska sin saa kaikki välillä [0,] olevat arvot, niin funktion f
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 =
DI matematiikan opettajaksi: Täydennyskurssi, kevät 2010 Luentorunkoa ja harjoituksia viikolle 11: ti klo 13:00-15:30
DI matematiikan opettajaksi: Tädennskurssi, kevät Luentorunkoa ja harjoituksia viikolle : ti 6 klo :-5: Kädään läpi: funktioita f : D f R n R m ja integrointia R n :ssä Oletetaan, että, R n ovat mielivaltaisia
y z = (x, y) Kuva 1: Euklidinen taso R 2
Kompleksiluvut. Määritelmä Tarkastellaan euklidista tasoa R = {(, y), y R}. y y z = (, y) R Kuva : Euklidinen taso R Suorakulmaisessa koordinaatistossa on -akseli ja y-akseli. Luvut ja y ovat pisteen z
Harjoitus Etsi seuraavien autonomisten yhtälöiden kriittiset pisteet ja tutki niiden stabiliteettia:
Differentiaaliyhtälöt, Kesä 216 Harjoitus 2 1. Etsi seuraavien autonomisten yhtälöiden kriittiset pisteet ja tutki niiden stabiliteettia: (a) y = (2 y) 3, (b) y = (y 1) 2, (c) y = 2y y 2. 2. Etsi seuraavien
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Matriisinormi, häiriöalttius Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 14 R. Kangaslampi matriisiteoriaa Matriisinormi