arxiv: v1 [math.ho] 30 Jan 2017

Samankaltaiset tiedostot
Tiheyspistelauseita. Petteri Salovaara. Pro Gradu tutkielma

Cantorin joukon suoristuvuus tasossa

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 )

1 Sisätulo- ja normiavaruudet

802320A LINEAARIALGEBRA OSA II

Vektorien pistetulo on aina reaaliluku. Esimerkiksi vektorien v = (3, 2, 0) ja w = (1, 2, 3) pistetulo on

Täydellisyysaksiooman kertaus

MS-A0003/A Matriisilaskenta Laskuharjoitus 6

sitä vastaava Cliffordin algebran kannan alkio. Merkitään I = e 1 e 2 e n

Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Lineaarikuvausten. Lineaarikuvaus. Lineaarikuvauksia. Ydin. Matriisin ydin. aiheita. Aiheet. Lineaarikuvaus. Lineaarikuvauksen matriisi

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:

Luento 8: Epälineaarinen optimointi

MS-C1340 Lineaarialgebra ja

MS-A0004/A0006 Matriisilaskenta

Itsesimilaarit joukot

MATEMATIIKAN JA TILASTOTIETEEN LAITOS

Lineaarialgebra ja matriisilaskenta I

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

7 Vapaus. 7.1 Vapauden määritelmä

Lineaarikuvauksen R n R m matriisi

Taustatietoja ja perusteita

1 sup- ja inf-esimerkkejä

1 Määrittelyjä ja aputuloksia

Päättelyn voisi aloittaa myös edellisen loppupuolelta ja näyttää kuten alkupuolella, että välttämättä dim W < R 1 R 1

Bijektio. Voidaan päätellä, että kuvaus on bijektio, jos ja vain jos maalin jokaiselle alkiolle kuvautuu tasan yksi lähdön alkio.

Matematiikan ja tilastotieteen laitos Reaalianalyysi I Harjoitus Malliratkaisut (Sauli Lindberg)

Avaruuden R n aliavaruus

Reaalianalyysin perusteita

Moniulotteisia todennäköisyysjakaumia

Kantavektorien kuvavektorit määräävät lineaarikuvauksen

Matematiikan johdantokurssi, syksy 2016 Harjoitus 11, ratkaisuista

isomeerejä yhteensä yhdeksän kappaletta.

Kuvaus. Määritelmä. LM2, Kesä /160

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

Insinöörimatematiikka D

Lineaarialgebra ja matriisilaskenta II Syksy 2009 Laskuharjoitus 1 ( ) Ratkaisuehdotuksia Vesa Ala-Mattila

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Matriisilaskenta, LH4, 2004, ratkaisut 1. Hae seuraavien R 4 :n aliavaruuksien dimensiot, jotka sisältävät vain

Ortogonaalisen kannan etsiminen

MS-C1340 Lineaarialgebra ja

Determinantti 1 / 30

2.1. Tehtävänä on osoittaa induktiolla, että kaikille n N pätee n = 1 n(n + 1). (1)

Ominaisvektoreiden lineaarinen riippumattomuus

Lineaarialgebra ja matriisilaskenta I

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

Lineaarialgebra ja matriisilaskenta I, HY Kurssikoe Ratkaisuehdotus. 1. (35 pistettä)

Approbatur 3, demo 1, ratkaisut A sanoo: Vähintään yksi meistä on retku. Tehtävänä on päätellä, mitä tyyppiä A ja B ovat.

Insinöörimatematiikka D

Luento 8: Epälineaarinen optimointi

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

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.

Lineaariavaruudet. Span. Sisätulo. Normi. Matriisinormit. Matriisinormit. aiheita. Aiheet. Reaalinen lineaariavaruus. Span. Sisätulo.

Tehtävä 2. Osoita, että seuraavat luvut ovat algebrallisia etsimällä jokin kokonaislukukertoiminen yhtälö jonka ne toteuttavat.

Johdatus matemaattiseen päättelyyn

Matriisilaskenta Laskuharjoitus 5 - Ratkaisut / vko 41

7. Tasaisen rajoituksen periaate

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

Derivaatta: funktion approksimaatio lineaarikuvauksella.

1 Lineaariavaruus eli Vektoriavaruus

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

Johdatus lukuteoriaan Harjoitus 11 syksy 2008 Eemeli Blåsten. Ratkaisuehdotelma

Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus.

Lineaarialgebra ja matriisilaskenta I

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

Funktion raja-arvo ja jatkuvuus Reaali- ja kompleksifunktiot

Esko Turunen Luku 3. Ryhmät

Numeeriset menetelmät

Luku 2. Jatkuvien funktioiden ominaisuuksia.

FUNKTIONAALIANALYYSIN PERUSKURSSI Johdanto

Epäyhtälöt ovat yksi matemaatikon voimakkaimmista

Epälineaaristen yhtälöiden ratkaisumenetelmät

Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia. TKK (c) Ilkka Mellin (2005) 1

Ellipsoidimenetelmä. Samuli Leppänen Kokonaislukuoptimointi. S ysteemianalyysin Laboratorio

Käänteismatriisi 1 / 14

4.3 Moniulotteinen Riemannin integraali

Esimerkki 19. Esimerkissä 16 miniminormiratkaisu on (ˆx 1, ˆx 2 ) = (1, 0).

10 Matriisit ja yhtälöryhmät

Lineaarikuvaukset. 12. joulukuuta F (A r ) = F (A r ) r .(3) F (s) = s. (4) Skalaareille kannattaa määritellä lisäksi seuraavat tulot:

Osoita, että täsmälleen yksi vektoriavaruuden ehto ei ole voimassa.

802320A LINEAARIALGEBRA OSA III

Joukot metrisissä avaruuksissa

Lineaariset kongruenssiyhtälöryhmät

MS-C1340 Lineaarialgebra ja

6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio

802320A LINEAARIALGEBRA OSA I

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

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

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

Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia: Mitä opimme?

33. pohjoismainen matematiikkakilpailu 2019 Ratkaisut

d ) m d (I n ) = 2 d n d. Koska tämä pätee kaikilla

Kompaktisuus ja filtterit

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

Sekalaiset tehtävät, 11. syyskuuta 2005, sivu 1 / 13. Tehtäviä

Cantorin joukko LUKU 8

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

Transkriptio:

arxiv:1702.00277v1 [math.ho] 30 Jan 2017 Itseaffiineista joukoista ANTTI KÄENMÄKI Iteroidulla funktiosysteemillä tarkoitetaan äärellistä kokoelmaa kutistavia kuvauksia f 1,...,f k. Tässä kuvausten f i : R d R d kutistavuudella tarkoitetaan sitä, että on olemassa 0 < λ i < 1 siten, että f i (x f i (y λ i x y (1 aina kun x,y R d. Hutchinson osoitti vuonna 1981, että jokaiselle iteroidulle funktiosysteemille on olemassa yksikäsitteinen epätyhjä kompakti joukko E R d, jolle k E = f i (E. (2 Tuloksen todistus on Banachin kiintopistelauseen elegantti sovellus. Jos R > 0 valitaan riittävän suureksi, niin selvästi pätee f i ( B(0,R B(0,R, missä B(x,r on x-keskinen ja r-säteinen suljettu pallo. Esimerkiksi valinta R = max i f i (0 /(1 max i λ i riittää.tällöin on helppo nähdä, että E = f i n=1i {1,...,k} n ( B(0,R (3 missä f i = f i1 f in aina kun i = (i 1,...,i n {1,...,k} n. Tarkempi esitys aiheesta löytyy esimerkiksi kirjasta [3, 2.2]. 2. helmikuuta 2017 Olemme kiinnostuneita joukon E dimensiosta. Käytän tässä yhteydessä kahta dimensiota, Hausdorffin ja Minkowskin (box counting. Olkoon A epätyhjä ja rajoitettu R d :n osajoukko. Tällöin joukon A Minkowskin dimensio on dim M (A = inf{s : M s (A < } = sup{s : M s (A > 0}, missä M s (A = limsup δ 0 Mδ s (A ja M s δ(a = inf{nδ s : A N B(x i,δ joillain x i R d ja N N} ainakuns 0jaδ > 0.JoukonAHausdorffin dimensio taas on dim H (A = inf{s : H s (A < } = sup{s : H s (A > 0}, missä H s (A = lim δ 0 Hδ s (A ja Hδ s (A = inf{ ri s : A B(x i,r i i i joillain x i R d ja 0 < r i δ} aina kun s 0 ja δ > 0. Molemmat määritelmät antavat esimerkiksi välille dimension 1 ja neliölle dimension 2. Mutta Hausdorffin ja Minkowskin dimensiot voivat myös olla ei-kokonaislukuja. Tällaista yleistettyä dimension käsitettä voidaankin pitää parametrina, joka antaa informaatiota joukon koosta. Huomaa, että koska selvästi Hδ s(a Ms δ (A aina kun s 0 ja δ > 0, pätee dim H (A dim M (A. Lisätietoja dimensioista löytyy esimerkiksi kirjoista [3, 2.1], [2, 2 ja 3] ja [4, 4 ja 5]. 1

Joukon E dimension määrittäminen täytyy siis aloittaa hyvän peitteen löytämisellä. Koska molemmat dimensiot ovat skaalausinvariantteja, voidaan yksinkertaisuuden vuoksi olettaa, että R = 1. Tällöin havainnon(3 avulla huomataan, että f i (E B ( f i (0,λ i, missä λi = λ i1 λ in. Näitä palloja voimme käyttää joukon E peittämiseen. Jotta pääsisimme käsiksi Minkowskin dimensioon, pitää tarkastella samankokoisia palloja. Määritellään jokaiselle 0 < δ < 1 joukko pahasti päällekkäin, saattaa itsesimilaarin rakenteen havaitseminen ja hyväksi käyttäminen olla vaikeaa. Luonnollinen ajatus on tietysti yrittää näyttää, että palloilla B ( f i (0,λ i saadaan muodostettua optimaalisia peitteitä. Tällöin yhtälön (4 määräämä s olisi Hausdorffin dimensiolle myös alaraja. Hutchinson esittelikin nk. avoimen joukon ehdon, joka takaa palloille riittävän erillisyyden. Avoimen joukon ehdossa oletetaan, että on olemassa epätyhjä avoin joukko V R d, jolle Z(δ = {i : λ i < δ λ i1 λ in 1 jollakin i = (i 1,...,i n }. Tällöin jokaiselle jonolle (i 1,i 2,... löytyy täsmälleen yksi n, jolle (i 1,...,i n Z(δ. Edelleen, jos valitaan s 0 siten, että k λ s i = 1, (4 saadaaninduktiolla#z(δ(min i λ i s δ s i Z(δ λs i = 1 kaikille 0 < δ < 1. Näin ollen alkioiden määrä joukossa Z(δ on korkeintaan (min i λ i s δ s ja joukko E voidaan peittää tällä määrällä δ-säteisiä palloja. Siispä Mδ s(e (min iλ i s kaikilla 0 < δ < 1 ja dim M (E s. Dimensiolle alarajan löytäminen on paljon vaikeampaa. Jos kuvaukset f i ovat similariteetteja eli ehdossa (1 onkin yhtäsuuruus, niin tämä vielä onnistuu kohtuullisella vaivalla. Hutchinsonin tuloksesta (2 seuraa nimittäin suoraan, että joukko E koostuu pienemmistä ja pienemmistä, E:n kanssa geometrisesti samanlaisista osista. Joukkoa E kutsutaankin tällöin itsesimilaariksi joukoksi. Jos itsesimilaarin joukon E osat f i (E ovat 2 V k f i (V ja f i (V f j (V = aina kun i j. Hän osoitti, että avoimen joukon ehdon ollessa voimassa on itsesimilaarin joukon E Hausdorffinmittapositiivinen, H s (E > 0. Näin ollen dim H (E = dim M (E = s. Todistus tälle on esitetty kirjassa [2, Lause 9.3]. Schief todisti vuonna 1994, että tulos myös kääntyy: Hausdorffin mitan positiivisuudesta seuraa avoimen joukon ehto. Entä jos tarkastellaan yleisempiä kuvauksia? Oletetaan, että A i R d d on kääntyvä d d matriisi, jolla A i < 1, ja a i R d on siirtovektori. Valitsemalla λ i = A i, affiinit kuvaukset f i = A i + a i muodostavat iteroidun funktiosysteemin. Joukkoa E, jolle (2 pätee, sanotaan tällöin itseaffiiniksi joukoksi. Yhtälöstä (4 saadaan tietysti yläraja itseaffiinin ( joukon dimensiolle. ( Mutta koska f i B(0,1 = Ai B(0,1 +ai jollakin a i R d, voidaan joukko E peittää pallojen sijasta ellipseillä ja siten mahdollisesti parantaa ylärajaa. Tässä A i =

Kuva A. Itseaffiinia joukkoa voidaan peittää ellipseillä, joita taas voidaan peittää pienemmillä palloilla. A i1 A in aina( kun i = (i 1,...,i n. Olkoonellipsinf i B(0,1 puoliakselienpituudet 1 > α 1 (A i α d (A i > 0. Nämä pituudet saadaan laskettua ottamalla positiivisesti definiitin matriisin A T ia i ominaisarvoista neliöjuuret. Koskaesimerkiksitasossaα 2 (A( i -säteisiäpalloja tarvitaan ellipsin f i B(0,1 peit- tämiseen oleellisesti noin α 1 (A i /α 2 (A i kappaletta, on H s (E lim n i {1,...,k} n α 1 (A i α 2 (A i s 1 ja siten ylärajan löytämiseksi Hausdorffin dimensiolle riittää tarkastella kuinka yo. summa käyttäytyy eri s:n arvoilla. Tämän esimerkin motivoimana määrittelemme jokaiselle 0 s < d Raja-arvo edellä on olemassa, koska kyseessä oleva jono on subadditiivinen (tämän todistamiseksi tarvitaan multilineaarialgebraa. Nyt nähdään helposti, että ϕ s (A i e np(s jaettäp:lläonyksikäsitteinen nollakohta, jota kutsutaan singulaaridimensioksi. Vuonna 1988 Falconer näytti, että itseaffiinilla joukolla singulaaridimensio on aina yläraja Minkowskin dimensiolle. Huomaa myös, että itsesimilaarissa tilanteessa yhtälön(4 määräämä s on sama kuin singulaaridimensio. Koska itseaffiinilla joukolla singulaaridimensio on alaraja Hausdorffin tai Minkowskin dimensiolle? Pitäisi siis taas pystyä muodostamaan optimaalisia peitteitä. Nyt pahan päällekkäisyyden lisäksi meillä on kaksi uutta tilannetta, mitkä saattavat aiheuttaa ongelmia. Ellipsit voivat olla sijoittuneet niin, että yhden vähän isomman pallon käyttäminen peitteenä antaisi paremman lopputuloksen kuin kyseessä olevien ellipsien peittäminen pienemmillä palloilla. Lisäksi itseaffiinia joukkoa pitäisi olla riittävästi ellipsin pisimmän akselin suuntaisesti, jotta ellipsiä peitettäessä pienempiä palloja ei käytettäisi turhaan. Kuva B havainnollistaa näitä tilanteita. Huomaa myös, että peittävät ellipsit saattavat olla päällekkäin sillä tavalla, että pidempien akseleiden välinen kulma on suuri. Tämä ϕ s (A i = α 1 (A i α l+1 (A i s l, missä l on s:n kokonaislukuosa, ja 1 P(s = lim log ϕ s (A n n i. i {1,...,k} n 3 Kuva B. Ellipsien paha päällekkäisyys, reikäisyys ja huono sijoittuminen saattavat pilata peitteen optimaalisuuden.

Kuva C. Bedford-McMullenin ja Barańskin itseaffiinit matot. ei välttämättä ole optimaalisuuden kannalta huono tilanne. Bedford ja McMullen (toisistaan riippumatta laskivat vuonna 1984 ns. itseaffiineille matoille Hausdorffin ja Minkowskin dimensiot. Itseaffiinilla matolla tarkoitetaan joukkoa, joka saadaan seuraavanlaisella konstruktiolla: Jaetaan neliö p moneen samankokoiseen sarakkeeseen ja q moneen samankokoiseen riviin ja näin saaduista suorakaiteista valitaan osa. Jokaisessa valitussa suorakaiteessa tehdään samanlainen jako ja valitaan näissä vastaavat suorakaiteet kuin alussakin. Näin jatkamalla jäljelle jää joukko, jota sanotaan itseaffiiniksi matoksi. Itseaffiini matto on selvästi itseaffiini joukko, sillä affiineiksi kuvauksiksi voidaan valita kuvaukset, jotka vievät neliön valituiksi suorakaiteiksi. Kuva C havainnollistaa tilannetta. Osoittautuu, että sopivilla suorakaiteiden valinnoilla tällaiselle matollee saadaandim H (E < dim M (E < s, missä s on singulaaridimensio. Dimensio siis riippuu siirtovektoreiden valinnasta! Katso [2, Esimerkki 9.11]. Bedfordin ja McMullenin konstruktiota on sittemmin yleistetty monella eri tapaa. Esimerkiksi vuonna 2007 Barański määritti hyvin yleisille itseaffiineille matoille Hausdorffin ja Minkowskin dimensiot. 4 Hänen konstruktiossaan neliö voidaan jakaa suorakaiteisiin hyvin vapaasti: mikä tahansa ositus, joka saadaan äärellisillä määrillä vaakasuoria ja pystysuoria viivoja kelpaa. Näiden esimerkkien valossa näyttäisi kovasti siltä, että useimmiten itseaffiinin joukon dimensio eroaisi singulaaridimensiosta. Kuitenkin Falconer osoitti vuonna 1988, että jos s on singulaaridimensio ja A i < 1 kaikilla i, niin 3 dim H (E a = sl dk -melkeinjokaisellasiirtovektoreiden a = (a i,...,a k valinnalla. Tässä L dk on dk-ulotteinen Lebesguen mitta ja merkintä E a tarkoittaa sitä, että itseaffiini joukko E riippuu siirtovektoreista,muttamatriisita i ovatkiinnitetty. Tulos on hämmästyttävä: se osoittaa, että tyypillisellä itseaffiinilla joukolla ellipseillä muodostetut peitteet ovat optimaalisia. Edgar näytti samana vuonna esimerkillä, että tulos ei pidä paikkaansa,josyhdelläkinmatriisillaon A i > 1 2. Solomyak taas osoitti vuonna 1998, että tuloksessa matriisien normin yläraja 1 voidaan korvata 1 :lla. Vuonna 2007 3 2 Jordan, Pollicott ja Simon todistivat satunnaisen version Falconerin tuloksesta. Olettamatta matriisien normeille ylärajaa he osoittivat, että todennäköisyydellä 1 satunnaisen itseaffiinin joukon Hausdorffin dimensio on sama kuin singulaaridimensio. Tässä satunnainen itseaffiini joukko muodostetaan kuten kohdassa (3 paitsi, että konstruktion joka vaiheessa affiinin kuvauksen siirtovektoriin lisätään satunnainen virhe. Mainittakoon vielä, että Falconer ja Miao ovat (vielä julkaisemattomassa artikkelissaan tutkineet niiden siirtovektoreiden a, joilla dim H (E a < t annetulla t, muodostaman joukon Hausdorffin dimensiota. He

osoittivat, että tämä dimensio on korkeintaan dk c(s t, missä s on singulaaridimensio ja c jokin positiivinen vakio. Koska Falconerin tulos ei kerro onko annetun itseaffiinin joukon dimensio sama kuin singulaaridimensio, on mielenkiintoista yrittää löytää ehtoja, joiden voimassa ollessa näin kävisi. Falconer o- soitti vuonna 1992, että jos s on singulaaridimensio, avoimen joukon ehto on voimassayhtenäisellejoukollev R d ja joukon E projektiolla mille tahansa (d 1-ulotteiselle aliavaruudelle on positiivinen Lebesguen mitta, niin dim M (E = s. Huomaa, että täytyy olla dim H (E d 1, jotta projektioehto voisi olla voimassa. Ehdolla varmistetaankin, että itseaffiinia joukkoa on riittävästi peittävien ellipsien pisimmän akselin suuntaisesti. Vuonna 1995 Hueter ja Lalley esittelivät tason itseaffiineille joukoille ehdot, joiden voimassa ollessa dim H (E = s < 1, missä s on singulaaridimensio. He olettivat, että peittävien ellipsien muoto on rajoitettu, α 1 (A i 2 < α 2 (A i, ja että ne ovat riittävästi erillään. Lisäksi he vaativat lineaarikuvausten A i kuvaavan tason ensimmäisen neljänneksen Q 2 osakseen sillä tavalla, että A i (Q 2 A j (Q 2 = ainakuni j.koskas < 1, riippuu dimensio Hueterin ja Lalleyn tapauksessa vain ellipsien pisimmän puoliakselin pituudesta. Shmerkin ja allekirjoittanut ovat (vielä julkaisemattomassa artikkelissa esitelleet tasossa ehdot, joiden voimassa ollessa dim M (E = s 1, missä s on singulaaridimensio. Ehdoissa oletetaan samantapainen vaatimus koskien lineaarikuvauksia A i ja neljännestä Q 2 kuin Hueterilla ja Lalleylla sekä Kuva D. Itseaffiini joukko E, jolla dim M (E 1. joukon E projektio mille tahansa suoralle, jolla on positiivinen kulmakerroin, oletetaan positiivimittaiseksi. Koska nyt s 1, dimensio riippuu ellipsien molempien puoliakselien pituuksista. Lisäksi huomion arvoista on, että matriisien normeille ei ehdoissa vaadita ylärajaa ja että peittävillä ellipseillä saa olla päällekkäisyyttä. Tuloksessa on käytetty hyväksi Kakeya-joukkojen teoriaa. Lisätietoja Kakeya-joukoista löytyy esimerkiksi Arkhimeden artikkelista [5]. Kuvassa D on esimerkki nämä ehdot täyttävästä itseaffiinista joukosta. Itseaffiinin joukon dimension määrittäminen on siis hankalaa. Jopa yksinkertaisen oloisissa tilanteissa (esim. itseaffiinit matot dimension selville saaminen on hyvin vaikeaa. Jos kuitenkin saadaan osoitettua yleinen tulos (esim. Falconerin tulos, on tulos geneerinen eli 5

se ei sano mitään annetulle itseaffiinille joukolle. Riittävien ehtojen löytämiseksi täytyy usein tehdä hyvin rajaavia oletuksia (esim. Hueterin ja Lalleyn tulos. Hankalaa on myös singulaaridimension laskeminen. Falconer ja Miao löysivät vuonna 2007 singulaaridimensiolle suljetun kaavan olettamalla matriisit A i yläkolmiomatriiseiksi. Mainitaan vielä lopuksi, että itseaffiineilla joukoilla on käytännön sovelluksia kuvankäsittelyssä. Kirjoilla [2, 9.5] ja [1, 9.8] pääsee aiheessa alkuun. Viitteet [1] M. Barnsley. Fractals everywhere. Academic Press Inc., Boston, MA, 1988. [2] K. Falconer. Fractal geometry. John Wiley & Sons Ltd., Chichester, 1990. Mathematical foundations and applications. [3] K. Falconer. Techniques in fractal geometry. John Wiley & Sons Ltd., Chichester, 1997. [4] P. Mattila. Geometry of sets and measures in Euclidean spaces, volume 44 of Cambridge Studies in Advanced Mathematics. Cambridge University Press, Cambridge, 1995. Fractals and rectifiability. [5] P. Mattila. Voiko näkymätön näkyä: geometrisen mittateorian paradokseja. Arkhimedes, (2:17 22, 2004. 6