Jarno Elonen <elonen@iki.fi>, 31.5.2007 (versio 1.2)
Hyvä lukija,
Olen kirjoittanut nämä muistiinpanot alunperin itselleni ja julkaisen ne nyt yksinkertaisesti siltä varalta, että niistä sattuisi olemaan jollekulle muullekin jotain iloa.
Kyseessä ei ole oppikirja vaan asioita on jätetty pois, oiottu ja yksinkertaistettu sen mukaan miten olen niitä itse katsonut tarvitsevani ja kuinka hyvin olen muistanut asiat entuudestaan. Tarkoituksena on ollut lähinnä luetteloida erilaisten ongelmien ratkaisutapoja käytännön (tietotekniikka-)insinöörintyötä ajatellen eikä niinkään osoittaa tai johtaa niitä. En myöskään väitä ymmärtäväni kaikkea kirjoittamaani – mikä on tietysti harmi, sillä matematiikka on kiinnostavaa vaikka ainakin itselläni muut työt ovat aina vieneet ajan ja energian paneutua siihen kunnolla.
Tekstiä saa kopioida, muokata ja vaikka myydä vapaasti kunhan minut mainitaan alkuperäisen version toimittajana ja kerrotaan, että alkuperäinen on vapaasti kopioitavaa materiaalia. Uusin versio löytyy osoitteesta:
http://iki.fi/elonen/articles/insimat/
Valituksille finglishistä ja muista muotoseikoista en luultavasti lotkauta korvaanikaan ellei valitusten mukana tule korjaustiedostoa, sillä tämän dokumentin päivittämiseen käytetty aika on aina pois muilta töiltä. Tekstiin on epäilemättä kuitenkin jäänyt myös varsinaisia asiavirheitä – niistä saa mielellään huomauttaa sähköpostitse. GNU Diff:llä muodostetut korjaustiedostot suoraan .tm-tiedostoon ovat tietysti vieläkin tervetulleempia.
–
Jarno Elonen
Sisältö 6
1Lineaarialgebra 6
1.1Matriisien perusteet 6
1.1.1Tulo 6
1.1.2Käänteismatriisi 7
1.1.3Lineaarialgebran derivointisääntöjä 7
1.1.4Gaussin eliminaatio 7
1.1.5Determinantti 8
1.1.6Kanta 9
1.1.7Gram-Schmidt-ortonormalisointi 9
1.1.8Ominaisarvot ja -vektorit (eigenvalues & vectors) 9
1.1.9Matriisifunktiot 10
1.2Vektorit ja analyyttinen geometria 10
1.2.1Vektoritulot 10
1.2.2Suora 11
1.2.3Taso 11
1.2.4Tetraedri 11
1.2.5Projektio 12
1.3Homogeeniset koordinaatit 12
1.3.1Ideaalipisteet, -suorat ja tasot 12
1.3.2Duaalisuus ja lauseiden dualisointi 12
1.4Kuvaukset (transformaatiot) 12
1.4.1Lineaarikuvaus 12
1.4.2Affiniteetti (affinikuvaus) 13
1.5Matriisien sekalaisia sovelluksia 13
1.5.1Pienimmän neliösumman sovitus (least squares fit) 13
1.5.2Markovin ketjut 13
2Differentiaalilaskentaa yleisesti 14
2.1Differentiaali 14
2.2Jacobian-matriisi 14
2.3Monen muuttujan ketjusääntö 14
3ODEt - ”tavalliset” differentiaaliyhtälöt 15
3.1Peruskäsitteitä 15
3.2Yksittäisen ODEn tarkka ratkaiseminen 15
3.2.1Separoituva: integrointi puolittain 15
3.2.2Tasa-asteinen: muuttujan vaihto 15
3.2.3Eksakti: osittaisderivointi 15
3.2.4Eksaktiksi muuttaminen: integroiva tekijä 16
3.2.51. kertaluvun lineearinen ODE: yleinen ratkaisu 16
3.3Yksittäisen yhtälön likiarvoratkaisut 16
3.3.1Suuntakenttä - erikoisratkaisu graafisesti 16
3.3.2Picardin iteraatio - approksimoiva algebrallinen erikoisratkaisu 16
3.42. asteen ODE 17
3.51. asteen lineearinen homogeeninen ODE-ryhmä 17
3.5.1Vaihekuvaaja 17
3.6Laplace-muunnos 18
4Sarjat 19
4.1Suppenemisen testaus 19
4.2Yleisimpiä sarjoja 20
4.3Potenssisarjat 20
4.4Fourier-sarja 20
5Monen muuttujan analyysi 21
5.1Avaruuspinta 21
5.2Raja-arvo 21
5.3Monen muttujan funktion differentiaalit 21
5.3.1Osittaisderivaatta 21
5.3.2Gradientti ja suunnattu derivaatta 21
5.4Napakoordinaatisto 22
5.5Monen muuttujan ääriarvotehtävät 22
5.5.1Ääriarvopisteiden luokittelu (Hessian) 22
5.5.2Rajoitetut ääriarvotehtävät (Lagrange-kertoimet) 22
6Skalaari- ja vektorikentät 22
6.1Viivaintegraali 23
6.1.1Greenin lause (suljetun käyrän viivaintegraali) 23
6.1.2Stokesin lause (moniulotteiset pinnat) 24
6.2”Vektoriderivaatat” - grad, div, curl 24
6.3Divergenssilause (aka. Gaussin laki) 24
7Kompleksiluvut 26
7.1Kompleksiset funktiot 26
8Abstrakti algebra 27
8.1Ryhmät (groups) ja monoidit (monoids) 27
8.2Renkaat (ring) ja kunnat (field) 28
8.3Polynomirenkaat 29
8.4Kooditeoria 30
9Kombinatoriikka 31
9.1Permutaatiot ja kombinaatiot 31
9.2Inkluusio-ekskluusio-periaate 31
9.3Binomi- ja multinomikertoimet 32
9.4Generoivat funktiot eli emäfunktiot 32
9.5Tornipolynomit (rook polynomials) 34
9.6Differenssiyhtälöt eli rekursiot 35
9.6.1Lineaariset ja vakiokertoimiset 35
9.6.2Ratkaisu emäfunktioilla 36
9.7Permutaatioryhmät ja ekvivalenssiluokat 36
10Jaollisuus ja moduloaritmetiikka 39
10.1Jaollisuussääntöjä 39
10.1.1Suurin yhteinen tekijä (GCD) ja pienin yhteinen jaettava (LCM) 39
10.1.2Lineaariset Diophanteen yhtälöt 40
10.2Kongruenssi eli moduloaritmetiikka 40
10.3Suuret alkuluvut 41
10.3.1RSA-salakirjoitus 41
11Graafit 42
11.1Lauseita 42
11.2Algoritmeja (ei-negatiivisesti) painotetuille graafeille 43
11.3Kaksijakoinen graafi (bipartite graph) 43
12Sekalaisia laskutekniikoita 44
12.1Induktiotodistus 44
12.2Neliöksi täydentäminen 44
12.3Osamurtokehitelmä 45
12.3.1Tapa 1: :n
valitseminen strategisesti 46
12.3.2Tapa 2: yhtälöryhmä eri asteisista termeistä 46
12.3.3Tapa 3: Heavisiden peittomenetelmä 46
12.4Logaritmi 47
12.5Raja-arvo 47
12.6Trigonometristen funktioiden ominaisuuksia 48
13Merkintätapoja 48
13.1Tavalliset lukujärjestelmät 48
13.2Kreikkalaiset kirjaimet 48
Hakemisto 49
Tässä kappaleessa käsitellään lähinnä
reaalisia avaruuksia mutta suurin osa kohdista
pätee myös myös kompleksisille avaruuksille tai vaikka
alkiot olisivat funktioita (funktioavaruus).
Oleellista on vain, että alkiot toteuttavat lineaarialgebran
aksioomat, joiden mukaan mm. täytyy
löytyä nolla-alkio ja ykkösalkio, jokaiselle alkiolle
täytyy olla vasta-alkio, alkion kertominen skalaarilla täytyy
kommutoida yms.
matriisin normi on mikä tahansa eräät ehdot täyttävä skalaari-”mittari” matriisille. Tässä kolme tärkeintä (vastaavista vektorinormeista johdettua) matriisinormia:
Matriisien tulo tapahtuu "kertomalla rivit
sarakkeisiin" ja :ssä,
:n korkeus on
:n korkeus ja leveys
:n leveys. Jos
:n leveys
:n korkeus, tulo on
määrittelemätön. Esim:
Toisin sanoen: matriisivektori -operaatio on siis
matriisin leveys -kokoisen vektorin kuvaus matriisin
korkeus -kokoiseksi vektoriksi.
Pystyvektorien pistetulo cos(
Määritelmä: . Vain
neliömatriiseilla voi olla käänteismatriisi ja
niilläkin vain joss sarakkeet/rivit ovat
lineaarisesti rippumattomia (sama asia). Sääntöjä:
Käänteismatriisin voi laskea Gauss-Jordan-algoritmilla (ks. alempana)...
...tai hitaasti determinantin (ks. alempana) avulla (Cramerin sääntö):
2x2-kokoiselle matriisille Cramerin sääntö tosin on
vielä selvästi helpompi: .
Perussääntöjä:
Matriisilausekkeiden derivaattoja vektorin
suhteen:
![]() |
![]() |
|
![]() ![]() |
![]() |
|
![]() |
![]() |
|
![]() |
![]() |
|
![]() |
![]() |
|
![]() |
![]() |
|
![]() |
![]() |
Yhtälöryhmä kirjoitetaan
matriisiksi...
...ja väännetään sitten yläkolmiomuotoon vähentämällä "nykyinen" rivi alemmista riveistä aina kerrottuna ylänurkan sopivasti kerrotulla tukialkiolla...
...ja soveltamalla sitten alhaalta ylöspäin peräkkäisiä sijoituksia tai toistamalla eliminointi alhaalta ylös, jolloin saadaan yksikkömatriisi (kuten Gauss-Jordan:ssa). Huom:
Determinantti on neliömatriisin vektorien
määräämän suoran/suunnikkaan/särmiön
pituus/ala/tilavuus (ja vastaava luku moniulotteisemmille avaruuksille).
Yksinkertaisin tapaus, -determinantti on helppo
laskea:
. Yleisiä
sääntöjä:
Ison determinantin voi laskea vääntämällä se Gaussin algoritmilla yläkolmiomuotoon ja laskemalla lävistäjän tulo...
...tai hitaammin alideterminanttikehitelmän avulla minkä tahansa rivin tai sarakkeen suhteen...
...missä termien etumerkit määräytyvät elementin koordinaateista näin:
Vektorien ristitulo =|
|sin(
, missä
.
Avaruuden kanta
(koordinaatisto) muodostuu mistä tahansa
:stä,
lineaarisesti riippumattomasta vektorista. Luonnollinen
kanta on "tavallinen koordinaatisto"
. Kannan vaihto luonnollisesta kantaan
on...
...eli tehdään kantamatriisi
pystyvektoreista
ja ratkaistaan
- tai jos halutaan kannanvaihtomatriisi,
lasketaan
:n käänteismatriisi.
Kanta on ortonormaali, jos sen kaikki vektorit
ovat kohtisuorassa toisiaan vastaan ja jokainen vektorin on :n mittainen (kuten luonnollisella kannalla). Minkä
tahansa kannan voi pakottaa ortonormaaliksi Gram-Schmidt
ortonormalisointi-algoritmilla. Sitä
käytetään erityisesti numeerisessa laskennassa hieman
”epävireeseen” menneen kannan korjaamiseen.
Merkitään alkuperäisiä vektoreita
ja uusia
:
Neliömatriisin ominaisarvon määritelmä: , eli koska
:lla
transformointi ei muuta ominaisvektorin
suuntaa (paitsi ehkä negatoi),
transformaation voi (kaikille
:n suuntaisille
vektoreille) tiivistää skalaariksi:
ominaisarvoksi
. Koska
, löytää ominaisarvot ratkaisemalla
ja -vektorit ratkaisemalla tuloksen perusteella
yhtälöryhmä
. Siis:
Matriisin on diagonalisoituva, jos sillä on
ominaisarvoa. Diagonalisoitu matriisi on koottu
ominaisarvoista:
. Vastaavasti sen
similariteettimuunnos(-matriisi) on koottu
ominais(pysty)vektoreista
. Matriisit
ja
ovat similaariset, jos on olemassa
siten, että
, joten
ja
ovat aina similaariset:
. Esimerkki
ominaisarvojen laskemista, diagonalisoinnista ja similaarisuuden
hyödyntämisestä on seuraavassa kappaleessa.
Matriisifunktiot on määritelty -neliömatriisille
seuraavasti:
...josta :t voi laskea ominaisarvojen avulla,
sillä:
Toisaalta, jos ominaisarvot eivät ole moninkertaisia (onko välttämätön ehto?), voi saman laskea diagonalisoinnin avullakin:
Tällä tavalla voidaan laskea esim.
matriisieksponentti ,
, mielivaltaisen suuri matriisipotenssi
tai vaikka neliöjuurimatriisi (
).
Esimerkki:
Huom: matriisin derivaatta ja integraali lasketaan kuitenkin ottamalla ne erikseen jokaiselle alkiolle.
Pistetulo eli
skalaaritulo eli sisätulo cos(
.
Ristitulo eli
vektoritulo on
määritelty vain 3-vektoreille:
(Huom: sanotaan, että ristitulomatriisi
saadaan
:sta
ristioperaattorilla)
Särmiön tilavuus: , tetraedrin
tilavuus:
.
Huom: alat voi laskea myös determinantilla: .
Normaalimuoto: koska jokainen :sta
pisteeseen johtava vektori on kohtisuorassa normaalia vastaan, on
:ssa:
eli
eli
, missä
ovat
:n komponentit ja
on
normaalin ja
:n pistetulo (eli
:n projektio
:lle, suoran
siirto origosta
)
.
Painopistekoordinaatit: , missä
Jos , piste on
:n ja
:n välissä. Keskipisteessä
.
Avaruudessa suoran voi esittää
parametrimuodossa tai kahden tason leikkauksena:
Normaalimuoto: koska jokainen :sta
pisteeseen johtava vektori on kohtisuorassa normaalia vastaan, on
(
:ssa!):
eli
eli
, missä
ovat
:n komponentit ja
on normaalin ja
:n pistetulo.
Painopistekoordinaatit: vektoreilla
tai
, missä
.
Annetun pisteen sijainnin -pisteiden
muodostamaan kolmioon nähden voi päätellä
painokertoimien merkistä - kolmion sisällä se on
"
". Kolmion
painopisteessä
.
Kun kärkipisteistä johdetaan kolme
särmävektoria
saadaan sekä
kanta, että auki kertomalla painopistekoordinaattiesitys:
, missä
. Kuten
3D-tason ja 2D-suoran tapauksissakin, painopisteessä on
ja annetun pisteen paikan tetraedrin suhteen voi
päätellä
:n etumerkeistä
– tetraedrin sisällä se on "
".
projektiivinen taso, projektiivinen avaruus, Pappuksen lause, projektiviteetti, kiintopiste
Euklidisen tason pistettä
vastaa projektiivisen tason
piste, eli homogeeninen koordinaatti
. Grafiikkakirjoissa ylimääräinen
("nollas") elementti kirjoitetaan usein viimeiseksi:
[x,y,w].
Sekä affinitransformaatiot (siirto, peilaus, rotaatio, skaalaus,
skew) että projektio ovat homogeenisissa
koordinaateissa palautettavissa (projektiossa
aiheuttaa tavallisen pisteen muuttumisen idaalipisteeksi,
ideaalipisteen muuttumisen tavalliseksi ja lopuissa
koodautuu
:hen) –
siitäkö lienee nimi "projektiivinen taso"? Molemmat
voidaan esittää esim.
:n tapauksessa
-matriisilla.
Pystyvektorilla esitetään pisteitä ja vaakavektorilla
(transponoiduilla) suoria: . Suoran tavallinen
yhtälö on
. Ideaalipisteet
ovat kuviteltuja
"äärettömän kaukana sijaitsevien
samansuuntaisten suorien leikkauksia", toimivat laskennassa aivan
kuten muutkin pisteet ja sijaitseva ideaalisuoralla
(tai projektiivisessa
avaruudessa
ideaalitasolla).
Projektiivisen tason pisteet ja suorat ovat duaalisia eli
niitä koskevissa lauseissa sanan "suora" ja
"piste" (:ssa "taso" ja
"piste") voi vaihtaa keskenään (eli lause voidaan
dualisoida):
Lineaarikuvaus tai tuttavallisesti matriisikertolasku (ilman homogeenisia koordinaatteja), on
määritelty kahdella ehdolla:
Lineaarikuvauksen ydin (kernel)
on :n ratkaisujoukko.
Yleisiä lineaarikuvauksia:
Kierto (rotaatio): rotaatiomatriisilla ortogonaalisella
matriisilla on aina
(
oikeakätinen,
vasenkätinen) ja yksi ominaisarvo
. Kyseistä ominaisarvoa vastaava
ominaisvektori on rotaatioakseli (koska
:n
ominaisvektori = vektori, jonka suunta ei muutu
:llä
kerrottaessa). Toisaalta on:
Affiniteetti on kahden tason () tai
avaruuden (
) välinen kuvaus
.
Tasot/avaruudet, jotka saadaan affiniteetilla toisistaan ovat
affinisia.
Suunnikkaan pinta-ala tai yhdensuuntaissärmiön tilavuus kertoutuvat affinikuvauksessa :lla.
Projektiivisessa avaruudessa/tasossa affiniteetin voi kuvata matriisikertolaskulla:
Jos yritetään sovittaa -kertoiminen
funktio
liian moneen havaintoon
(
kappaletta,
), saadaan
sijoittamalla havainnot
polynomiin
ylimäärätty
yhtälöryhmä:
, missä
=sijoittamalla saadut kertoimet,
ja
funktion havaitut arvot. Pienimmän
neliosumman sovitus: haetaan
:lle
neliömatriisi
,
:lle
pienempi vektori
ja ratkaistaan
tavalliseen tapaan.
Markovin ketju (Markov Chain) on joukko tiloja, joiden välisten siirtymien todennäköisyys ei riipu toteutuneesta siirtymä-historiasta. Yksi kätevä esitystapa on stokastinen matriisi: neliömatriisi, jossa jokaisen rivin summa on 1. Esim:
Lyhyt mies saa lyhyen pojan todenäköisyydellä 0.75 ja
pitkän todennäköisyydellä 0.25. Pitkä taas saa
lyhyen todennäköisyydellä 0.1 ja pitkän varmuudella
0.9. Lyhyitä ja pitkiä on aluksi saman verran: . Stokastinen matriisi
. Toisen
sukupolven jakauma on
,
kolmannen sukupolven jakauma on
jne.
Stokastisella matriisilla on aina ominaisarvo 1 ja stabiili tila äärettömän monen siirtymän jälkeen voidaan laskea diagonalisoimalla.
Differentiaali on funktion
linearisaation (yhden muuttujan funktion tapauksessa
tangentin, kahden tapauksessa 3D-tason jne.) kasvun määrä
muuttujansa/muuttujiensa muutoksen suhteen. Esim. .
Jos
, saadaan kaavasta
eli
. Siksi voidaan kirjoittaa
.
Huom: differentiaalin ei
välttämättä tarvitse olla pieni, koska kyse on
linearisaation kasvusta (siis esim.
eikä
)!
Kahden muuttujan tapauksessa differentiaali on määritelty
osittaisderivaattojen avulla seuraavasti: eli
ja samalla tavalla useammille muuttujille.
Differentiointi (vs. derivointi) tarkoittaa
differentiaalin (siis esim. ) laskemista ja
siinä käytetään derivointia (tai
osittaisderivointia) ja jos halutaan arvo, eikä kaavaa,
:n muutos
(
).
Esim. jos
, niin
Jacobian-matriisi on usean muuttujan vektoriarvoisen funktion
derivaatta eli käytännössä matriisi, joka
sisältää funktion tulosvektorin
jokaisen elementin (
kpl.) derivaatat jokaisen
sisääntulevan vektorin
elementin (
kpl.) suhteen:
Jacobian-matriisille mm. pätee ketjusääntö .
Huom! älä sekoita Jacobian-matriisia yhtälöryhmien
implisiittisessä derivoinnissa käytettävään
Jacobian-determinanttiin .
Yhden muuttujan ketjusäännön
yleistettyjä versioita:
Jos ja
ja
riippuvat molemmat muuttujasta
(eli
), on:
Jos ja
riippuuvat
kahdesta muuttujasta
(eli
),
on:
Tiivistelmä: lineaariselle, 1. asteen ODElle on ratkaisukaava, samoin kuin (vakiokertoimiselle) ryhmälle niitä. Muissa tapauksissa Laplace-muunnos on usein kätevin tapa ellei likiarvoratkaisu riitä.
Tässä kappaleessa käytetään vapaana muuttujana
välillä :ää ja
välillä
:ta – älä
hämäänny. Kirjain
on yleinen
käytäntö, koska differentiaaliyhtälöitä
käytetään usein ajasta riippuvien ilmiöiden
mallintamiseen.
ODE on separoituva, jos ja
ovat erotettavissa eri puolille
yhtälöä kohtelemalla differentaalia
:n
:n osamääränä:
Kun molemmat puolet on integroitu, ratkaistaan .
Toisinaan vakiofunktio
tuotta, esim.
tapauksessa:
kun
. (Huom:
separoituva ODE on itse asiassa eksaktin ODE:n erikoistapaus
)
ODE on tasa-asteinen, jos sen voi saattaa muotoon , jolloin sen voi ratkaista vaihtamalla
:n
ja
:n seuraavasti:
Vaihdon jälkeen yhtälö on separoituva. Ratkaistaan saadusta yhtälöstä
,
sijoitetaan takaisin
ja ratkaistaan
. Huom. triviaaliratkaisu:
, jos
.
ODE on eksakti, jos se on muotoa eli
eli
ja on
olemassa funktio
, jolle
.
Jos ja
ovat tiedossa,
eksaktiuden voi tarkistaa kaavalla
eli
(kyllä, derivaatat "menevät ristiin"
aiemman kanssa) ja ratkaista seuraavasti:
Lopuksi ratkaistaan yhtälöstä
. Ideana on siis soveltaa peräkkäin
Jos ODE:n voi muuttaa eksaktiksi kertomalla funktiolla ,
on
ODE:n integroiva tekijä.
Sellaisen voi löytää systemaattisesti jos se riippuu vain
joko
:stä tai
:stä:
Sekä :stä että
:stä
riippuvia tekijöitäkin voi olla, mutta niitä ei
tällä kaavalla löydä.
Homogeeninen (, ts. ei
:stä
riippumattomia termejä) separoituu. Yleinen ratkaisu:
ja vakiokertoimiselle (
):
, missä
on
mielivaltainen vakio (integrointivakio). Johto:
Valitaan sopiva ruudukollinen , ratkaistaan
ODEsta kullekin ruudukon pisteelle
ja
piirretään vastaava nuoli tai viiva. Alkuarvo-ongelman
ratkaisun voi hahmotella seuraamalla kenttää
alkuarvopisteestä. Tietokoneella voi käyttää
tämän (huonon) ns. Eulerin menetelmän sijaan vaikkapa 4.
asteen Runge-Kuttaa.
Isocline (tasa-arvokäyrä) on
jokin :n suhteen vakioarvoinen käyrä
suuntakentällä (esim. ns. nullcline eli
käyrä
).
Picardin iteraatiolla saadaan tarkentuva
approksimaatio alkuarvo-ongelman ratkaisulle
...eli joka askeleella integroidaan välillä
funktiolle
, missä
on korvattu
:llä ja
edellisen iteraation tuloksella.
Ratkaisun olemassaolon testaus suljetulla välillä eli
Picardin lause: jos on
jatkuva laatikon
sisällä, iteraatio
suppenee yksikäsitteiseen ratkaisuun välillä
.
Muotoa oleva ODE ratkeaa muuttujaa vaihtamalla:
. Korkeamman asteen ODEn voi tällä
tavalla muuttaa ensimmäisen asteen ODE-ryhmäksi jonka voi
sitten ratkaista vaikka Laplace-muunnoksella tai ominaisarvojen avulla.
Esim:
Toisen asteen homogeenisessa tapauksessa: .
Ryhmä voidaan esittää matriisimuodossa:
Matriisin sarakkeet ovat ryhmän
erikoisratkaisuja ja kun
on vektorillinen
alkuarvoja,
on alkuarvo-ongelman ratkaisu.
Yleinen ratkaisu saadaan myös suoraan ominaisarvoista ja
-vektoreista jos ne ovat erillisiä (ei-moninkertaisia) tai
on symmetrinen:
...missä ovat mielivaltaisia vakioita,
matriisin
ominaisarvoja ja
niitä vastaavia ominaisvektoreita.
Kaksinkertaisen ominaisarvon tapauksessa toinen ratkaisu saadaan
kaavalla
, missä
ja
. (Epäselvää:
onko varmasti
?)
Epähomogeenisessa tapauksessa ja
erikoisratkaisun saa kaavalla
. (Epäselvää:
saako yleisen ratkaisun lisäämällä
ja mikä silloin on
?) Yleisen saa (muun
muassa) ODE:n diagonalisointimenetelmällä:
ratkaistaan ensin uuden yhtälöryhmän,
(
on
:n diagonalisoitu
versio eli ominaisarvomatriisi ja
, missä
on vastaavista ominaispystyvektoreista koottu
matriisi), diagonalisoinnin ansiosta nyt toisistaan riippumattomat,
yhtälöt yksittäisen yhtälön ratkaisukaavalla
(tai vaikka Laplace-muunnoksella) ja sitten
“epädiagonalisoidaan” tulos:
.
Kahden muuttujan lineaariselle 1. asteen ODE-ryhmälle voidaan
piirtää kaksiulotteinen vaihekuvaaja,
jossa on parvi erikoisratkaisukäyriä: .
Kohtia, joissa
sanotaan
tasapainopisteiksi (myös: kriittinen
piste). Homogeenisessä tapauksessa piste on aina
. Tasapainopisteiden luokittelu riippuu
:n ominaisarvoista:
ODEn linearisointi mahdollistaa
myös epälineaarisen ODEn tasapainopisteiden luokittelun:
yhtälöiden tasapainopiste
luokitellaan matriisin
mukaan em.
tavalla paitsi, että 1) ympyräpisteet voivat olla myös
spiraaleja ja 2) tapaus
voi olla joko spiraali
tai napa.
Laplace-muunnoksessa differentiaaliyhtälö (tai -ryhmä)
muunnetaan ensin aika-alueesta s-tasoon (kirjoitetaan: ), ratkaistaan sitten
saadusta yhtälöstä F ja tehdään lopuksi
käänteismuunnos (kirj.
). Usein
käänteismuunnosta varten tarvitaan
osamurtokehitelmää. Tulos pätee (tässä
annetulla määritelmällä) vain alueella
! Alla muutamia tärkeimpiä muunnoksia:
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
|
![]() |
![]() |
![]() |
|
![]() |
![]() |
![]() |
Derivointi |
![]() |
![]() |
![]() |
2. derivaatta |
![]() |
![]() ![]() |
![]() |
Määrätty integraali |
![]() |
![]() |
![]() |
Derivointi taajuusalueessa |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
Konvoluutio, ![]() |
![]() |
![]() |
![]() |
Konvoluutiolause toiseen suuntaan |
![]() |
![]() |
1 | Diracin delta”funktio”, ![]() |
![]() |
![]() |
![]() |
Heavisiden askelfunktio (![]() |
![]() |
![]() |
![]() |
Siirto taajuusalueessa |
![]() |
![]() |
![]() |
Aikasiirto, huomaa ![]() |
![]() |
![]() |
![]() |
|
![]() |
![]() |
![]() |
huom: ![]() |
![]() |
![]() |
![]() |
|
![]() |
![]() |
![]() |
|
![]() |
![]() |
![]() |
Esimerkki: ratkaistaan yksinkertainen epähomogeeninen ODE:
Koska sarja voidaan tulkita jonon osasummasarjan raja-arvoksi
äärettömyydessä, saadaan raja-arvon
laskusäännöistä (kun ja
):
Suppenemista voi testata helpommin kuin laskea summan, ja
positiivis-termisen sarjan suppeneminen on helpompi laskea kuin
vaihtelevatermisen. Jos :
Molemmille sarja suppenee, jos , saattaa
hajaantua, jos
ja hajaantuu varmasti, jos
. Luku
on olemassa useammin
kuin
, mutta kun molemmat ovat olemassa, on
.
Jos taas summassa on sekä positiivisia että negatiivisia
termejä, se suppenee ainakin jos
suppenee (suppenee absoluuttisesti), ja toisinaan
muulloinkin (suppenee ehdollisesti). Erityisesti:
(eli joka toinen termi negatiivinen) suppenee,
jos
ja
(Leibnizin
lause).
. Perättäisten termien
osamäärä on vakio.
Suppenee arvoon , kun
.
Osasumma
.
Potenssisarja on muotoa , missä
on sarjan suppenemiskeskus.
Potenssisarja suppenee aina ja vain suppenemiskeskuksensa
ympäristössä säteellä
(
), missä
(kts.
”osamäärätesti” ylempää).
Päätepisteet voivat joko kuulua tai olla kuulumatta
:n määräämään
suppenemisintervalliin.
Yhteenlaskettujen potenssisarjojen suppenemissäde on . Sama pätee myös keskenään kerrotuille
potenssisarjoille (Cauchyn tulo):
Huom: Taylorin sarja on potenssisarja,
jolle .
Erityisen tärkeä (geometrinen/Taylorin/McLaurinin) potenssisarja on:
t
Määritelmä: -jaksoisen
funktion Fourier-sarja (alueella
) on:
...tai kompleksimuodossa lyhyemmin:
Kahdella muuttujalla parametrisoitu avaruuspinta:
Normaali:
Pinta-ala lasketaan seuraavasti:
N:n muuttujan funktion gradientti on -ulotteinen vektori, joka on koottu funktion
osittaisderivaatioista. Gradienttia merkitään nabla- eli
del-symbolilla:
Kahden muuttujan funktioiden tasa-arvokäyriä voi toisinaan esittää kätevästi napakoordinaateilla. Muunnokset karteesisten ja napakoordinaattien välillä sujuvat seuraavilla kaavoilla:
Ääriarvopisteitä voivat myös monen muuttujan
tapauksessa olla derivaatan (gradientin) nollakohdat ()
tai reunapisteet. Yhden muuttujan tapauksessa kriittisen
pisteen tyypin voi määritellä toisesta
derivaatasta:
Monen muuttujan tapauksessa luokittelu hoituu kyseisessä
pisteessä lasketun Hessian-matriisin
ominaisarvojen () avulla:
Jos ääriarvotehtävässä vastauksiksi kelpaa vain
osa kriittisistä pisteistä, voidaan tehtävä
ratkaista muotoilemalla rajoitusfunktio ja
minimoimalla/maksimoimalla alkuperäisen sijaan Lagrangen
funktio...
...missä on nimeltään
Lagrangen kerroin. Jos rajoituksia on
enemmän, myös kertoimia ja rajoitusfunktioita voidaan ottaa
mukaan enemmän. Esim:
Vektorikenttä (tai esim. voima) on
konservatiivinen, jos sillä on
potentiaalikenttä (kaikilla vektorikentillä ei ole).
Integraalin tapaan potentiaali ei ole yksikäsitteinen, vaan
siihen voi lisätä mielivaltaisen vakion.
Konservatiiviselle vektorikentälle
pätee:
Tai toisaalta: . Jos kenttä on
konservatiivinen, potentiaalin voi laskea seuraavasti:
(lopuksi ilmeisesti voi merkitä ja
lisätä integrointivakion C)
Viivaintegraali on viivan differentiaalisten
tangenttivektorien () ja kentän tulon summa.
Skalaarikentän tapauksessa tulo
ja
vektorikentän tapauksessa
.
Viivaintegraali lasketaan parametrisoimalla :n
-komponentin, derivoimalla ne
:n
suhteen, ottamalla tulo (piste- tai skalaari) ja integroimalla. Esim:
Joskus vektorikentän yli viivaintegraalia merkitään , mikä tarkoittaa samaa kuin
ja se lasketaan samalla tavalla parametrisoidun
:n
ja
:n pistetulona kuin yllä.
Tyypillinen esimerkki viivaintegraalista vektorinkentän yli on
fysikaalinen työ, jonka voima tekee kuljettaessaan pistemäistä kappaletta
käyrää
pitkin.
Tasolla suljetun käyrän viivaintegraalin voi joskus laskea helpommin seuraavasti:
...missä on käyrän
sisään jäävä alue ja
käydään läpi
vastapäivään. Oikea puoli on siis pinta-integraali, jossa
lasketaan ensin vaakasuuntainen integraali ja sitten pystysuuntainen
(tai päinvastoin). Jos
on reikäinen,
lasketaan reikien seintän mukaan, mutta
myötäpäivään.
Stokesin lause on Greenin lauseen laajennus moniulotteisille pinnoille:
Kentille voidaan määritellä kolme eri “derivaattaa”, joista jokainen on eri kerto-operaattorin ja nabla-operaattorin “formaali tulo”:
Gradientti on vektorikenttä, joka osoittaa skalaarikentän nopeimman kasvun suunnan (kasvunopeus on k.o. vektorin pituus):
Divergenssi on skalaarikenttä, joka
kertoo kuinka paljon toinen vektorikenttä
“etääntyy pisteestä ”
eli tarkemmin sanottuna vuo äärettömän pienen
-keskisen pallon (tasossa kiekon)
sisältä:
Divergenssin voi siis myös tulkita lähteen (esim. pistevarausten tapauksessa Diracin delta-funktio tai jatkvassa tapauksessa varaustiheys) voimakkuudeksi yksikkötilavuutta kohti.
Curl (karmeasti suomennettuna
roottori) on vektorikenttä, joka kertoo
kuinka paljon kenttä “pyörii pisteen ympäri” eli tarkemmin sanottuna kiekon
reunan muodostavien äärettömän monen
tangenttivektorin (
) ja vektorikentän
vektorien pistetulo kerrottuna kiekon (
)
yksikkönormaalilla (
):
Näille pätee kaikenlaisia yhtälöitä, mm.:
Vuo jonkin alueen D pinnan S läpi on yhtä suuri kuin kaikkien sen pisteiden divergenssien summa (=tilavuusintegraali):
Erityisesti: jos suljetun pinnan sisällä ei ole yhtään lähdettä (positiivista tai negatiivista, source tai sink), on kokonaisvuo sen läpi 0 kentästä riippumatta (mikä tulee sisään, menee myös ulos). Huomaa, että esim. pistevarausten tapauksessa lähteet ovat pistemäisiä Diracin delta-funktioita, joiden integraalilla on arvo vaikka niitä ympäröivä kiekko pienennettäisiin kuinka pieneksi tahansa.
Variaatioita (”curl-lause” ja ”gradienttilause”??), joiden tulos on vektori:
polaariesitys:
(Eulerin kaava, muistisääntö:
)
ja
liittoluku eli konjugaatti
on . Sille pätee:
,
,
,
kertolasku: =
jakolasku: =
. Huom. erityisesti:
:s juuri:
Arvoja on siis kappaletta ja ne sijaitsevat
tasaisin välein
-säteisellä
ympyrällä.
Suljetun polun viivaintegraalin laskemiseen on kasa erilaisia
sääntöjä, joista residuaalimenetelmä
vaikuttaa erityisen hyödylliseltä. Kun polku ei leikkaa
itseään ja on positiivisesti orientoitu
ja on polun sisällä muuten
analyyttinen, mutta
:ssa pisteessä on
singulaarinen napa (eng. pole),
pätee Cauchyn residuaalilause:
Jos polku on negatiivisesti orientoitu, lasketaan residuaalit
negatiivisina. Huom: jos singulariteettejä ei ole, on
integraali .
= algebrallisia rakenteita (eli alkioiden ja niihin kohdistuvien operaatioiden yhdistelmiä) aksiomaattisesti (eli pieneen määrään perusoletuksia nojaavasti) käsittelevä oppi.
Joukon ja siihen vaikuttavan jonkin operaation
yhdistelmä,
, on
nimeltään:
monoidi, jos lisäksi on olemassa
neutraalialkio , jolle
ryhmä (group), jos
lisäksi kaikille alkioille on käänteisalkio:
Jos on äärellinen niin
välttämättä
”pyörähtää ympäri” (kongruenssin
tapaan) koska kaikille
. Esim.
ryhmässä ({0,2,4}, +) on
mutta
.
Lisää määritelmiä ja lauseita:
alkion potenssi
yhteensä
kertaa.
syklinen ryhmä on ryhmä,
jonka kaikki alkiot ovat jonkin sen alkion potensseja. Kyseinen
alkio virittää ryhmän
(generates the group) ja merkitään .
Viritetyn (usein ali-)ryhmän suuruus eli alkion
kertaluku on
.
Esimerkki: syklinen ryhmä ,
virittäjänä
, on isomorfinen
:n kanssa kun määritellään:
:
ja
aliryhmät
:
Joukon ja sen kahden operaation
ja
yhdistelmä,
, on
algebrallinen rengas, jos:
Lisäksi:
Yksikkö (unit) on alkio ,
jolla on jokin käänteisalkio
(missä
).
Huom: “yksikkö”
“ykkösalkio” (
:n
neutraalialkio, unity)
Kaikki :n alirenkaat ovat ideaaleja ja niiden
alkiot ovat muotoa
.
Tästä johtuu: .
Jos on rengas (vaika
-kunta,
tai äärellinen
-rengas tai vaikka
matriisirengas):
Eri polynomirakenteiden määrä voidaan rajata
(tavallisesti äärettömästä :stä)
äärelliseksi kongruenssilla: valitaan jokin polynomi
ja määrätään, että
kaikkien renkaan operaatioiden tuloksesta otetaan lopuksi
jakojäännös
:llä.
Merkitään:
. Jos
on redusoituva, tulos on rengas ja jos taas redusoimaton niin kunta.
Esim. polynomikunnan
operaatiot ovat:
ja
Jos on ääretön, on tietysti
myös
ääretön vaikka eri
polynomimuotoja onkin rajallisesti. Esim.
on
isomorfinen
:n kanssa.
Boolen algebran (symbolien jonoista sekä
operaatioista
koottu logiikka-algebra) sovellus:
siirretään
-bittisiä viestejä
(
) häiriöisellä linjalla, joka voi
aiheuttaa mihin tahansa siirrettävään bittiin virheen
(ts.
) todennäköisyydellä
, bitin sijainnista ja alkuperäisestä
arvosta riipumatta.
Virherakenne :ssä
on
niissä kohdissa joissa
siirretyssä viestissä on virhe ja
niissä, joissa bitti siirtyi oikein. Kun
=virhebittien
(
-bittien) määrä eli
virheen paino:
Kun viestejä välitetään käyttäen
joukkoa koodisanoja, kaikki painoa olevat virheet voidaan:
Koodauksen generoiva matriisi on
jolla
oikealta kertominen tuottaa viestisanoista
koodisanat:
(missä
on
-vaakavektorina esitetty
viesti ja
on
-vektorina
esitetty koodisana). Esim: eräs
-koodaus:
Toistopermutaatioiden
määrä = “monellako toisistaan erottuvalla
tavalla voidaan järjestää
kpl.
:sta eri luokasta valittua alkiota, kun
luokasta 1 valitaan
kpl, luokasta 2 valitaan
jne.” =
(missä siis
)
”:n eri alkion mahdollisten
luokittelujen määrä
:hon
luokkaan jaettaessa kun osa luokista saa olla tyhjiä“ =
“:sta eri merkistä koottujen
:n pituisten merkkijonojen pituus“ =
Yhtälön ratkaisujen
määrä, kun
=
“Monellako tapaa voidaan järjestää pallon ja
erottimen muodostama
jono” =
“Monellako tavalla voidaan valita pallojen paikat” =
“Monellako tavalla voidaan valita erotinten paikat” =
.
Esim:
“Monellako tavalla 7 eri henkilöä voi valita 4:stä eri ruokalajista?“ =
“Montako ratkaisua on positiivisella
kokonaislukuyhtälöllä
?”=
“Monellako (erottuvalla) tavalla voidaan
järjestää jono '|||ooooooo'?” =
Inkluusio-ekskluusio-periaatteella lasketaan osittain päällekkäisiä ehtoja täyttävien alkioiden / tapausten määriä: ensin päällekäisten joukkojen koot lasketaan yhteen ja sitten tuloksesta vähennetään niille yhteisten alkioiden määrä (ettei sitä oteta mukaan kahteen kertaan). Ongelmia kannattaa visualisoida Venn-diagrammilla. Merkintätapoja:
Joukko , jonka koko
,
koostuu alkioista, jotka toteuttavat kukin joitain (tai vaikka kaikki
tai ei yhtään)
:stä eri ehdosta
(esim.
esinettä
ja 4 ehtoa:
=“alkio on pallo“,
=“alkio on vihreä“,
”alkio on sininen“,
=”alkio
on painava” jne). Vähintään yhden ehdoista
toteuttavien alkioiden määrää
merkitään
ja niitä, jotka
eivät toteuta niistä mitään (mutta voivat
toteuttaa jotain muita!) merkitään
.
Ei yhtään ehtoa täyttäviä alkioita on:
Yleisesti: tasan ehtoa täyttäviä
alkioita on:
Binomilause määrää termien kertoimet kun binomi kerrotaan auki polynomiksi:
Kerroin :nnen asteen
:lle
on siis n:n k-kombinaatio. Binomikertoimia kuvataan usein Pascalin
kolmiolla, jonka jokainen reuna-alkio on 1 ja jokainen
sisäalkio aina kahden heti sen yläpuolella olevan alkion
summa. Multinomilause yleistää tuloksen:
Tulossa , termin
kerroin on
Joskus tarvitaan “binomikertoimia“, joissa
tai
: yleistetyt binomikertoimet:
...tai jos :n tilalla onkin negatiivinen
kokonaisluku (
) eikä desimaaliluku, niin:
Emäfunktiolla voi ratkaista mekaanisesti erilaisia kombinatorisia tehtäviä (“montako erilaista / monellako tavalla“ ja jopa “luettele kaikki“ eli enumerointi) esittämällä jonot polynomeina. Algebrallisen pyörityksen jälkeen tulos katsotaan suoraan polynomin halutun asteisteisten termien kertoimista eikä itse polynomiin sijoiteta mitään!
Esim. (tavallinen emäfunktio): ”Montako positiivista
kokonaislukuratkaisua on yhtälöllä ,
kun
ja
?”
Tämä ratkeaa kertomalla auki polynomi (tavallinen
emäfunktio)...
...ja ottamalla siitä :n kerroin (14).
Muuttujan
potenssit esittävät
:n,
:n ja
:n
arvoja ja niiden kertoimet (
, tässä
tapauksessa 1 kaikille mainituille ja muille 0) merkitsevät
“monellako tavalla kyseinen arvo voi tulla valituksi kyseiselle
muuttujalle”. Ym. lauseen voi siis lukea tulkitsemalla
=“tai“,
=“ja“
(kuten Boolen algebrassa): “jos (a=4 tai a=5 tai ...) ja (b=2 tai
b=3 tai ..) ja ...“. Auki kerrottu polynomi esittää
näiden eri kombinaatioita ja siitä näkee myös,
että esim.
ratkaisuja olisi 16 kpl.
Polynomien kertominen keskenään on työlästä,
joten laskemisessa hyödyllisiä ovat potenssisarjojen
laskusäännöt (Huom: suppenevuusehdoilla
ei tässä ole mitään väliä, koska :ään ei oikeasti sijoiteta mitään):
A) äärettömät jonot (sarjat):
B) äärelliset jonot:
C) (permutaatioiden laskemista varten) eksponenttifunktiot:
Epäsäännöllisempiä sarjoja voi
esittää laskemalla eri emäfunktioita yhteen tai
vähentämällä yksittäisiä termejä,
esim. .
Ongelmassa esiintyvät jonot kirjoitetaan ensin emäfunktioiksi (eli ”siirrytään taulukossa oikealta vasemmalle”), sievennetään sitten niiden yhdistelmä (esim. summa) ja muutetaan tulos sitten takaisin sarjamuotoon (ts. “taulukossa takaisin vasemmalta oikealle”). Menettely muistuttaa siis hieman Laplace-muunnoksen käyttöä ja myös emäfunktioissa “käänteismuunnos” vaatii usein osamurtokehitelmää (esimerkki differenssiyhtälöt-kappaleen lopussa).
Joitain generoivia funktioita (Huom! nämä siis määrittelevät lukujonoja, eivätkä annan itse määriä!):
Tornipolynomi generoi
:n
kaikille
. Esim:
(tarkoittaa: 1 tapaa asettaa 0 tornia, 6 tapaa 1 torni, 8 tapaa 2 ja 2 tapaa 3 tornia)
Jos kiellettyjä ruutuja on vähemmän kuin sallittuja,
voidaan laskea käänteisen (vaihdetaan kielletytsallitut) laudan polynomi ja solveltaa
inkluusio-ekskluusio-kaavaa:
(MUTTA: miten saa :n
mielivaltaiselle
eikä vain tapaukselle
??)
Jos lauta koostuu erillisistä osista
(ts. ei yhteisiä rivejä eikä sarakkeita), on koko
laudan polynomi sen erillisten osien polynomien tulo:
Lautaa voidaana jakaa kahdella tekniikalla vaikka erillisiä osia ei heti näkyisikään:
valitsemalla yksi rutuu jostain strategisesta paikasta ja laskemalla yhteen tapaukset, joissa siinä a) on nappula [poistetaan myös kaikki sen uhkaamat ruudut] tai b) ei ole nappulaa [poistetaan vain kyseinen ruutu]
Esimerkki: Johdetaan ym. :n tornipolynomi ilman
käänteisen laudan temppua, sijoittamalla kokeeksi nappula
vasemmalle ylös laudanjakotekniikan 2 mukaisesti:
(...eli rekurrenssiyhtälöt eli palautuskaavat)
Ratkaisukaavoja:
Ensimmäisen kertaluvun vakiokertoimisen, lineaarisen ja homogeenisen yhtälön eli
(tai
) yleinen
ratkaisu on
(kun
).
Huom:
.
Toisen kertaluvun vakiokertoiminen, lineaarinen ja homogeeninen
yhtälö (kuten Fibonaccin luvut) eli
(missä
) ratkeaa sijoittamalla
:n tilalle yritefunktioksi
ensimmäisen kertaluvun ratkaisu
:
Tämä on karakteristinen polynomi ja
rekursion ratkaisu riippuu sen juurista ja
lineaarikombinaatiolla:
Sama konsti toimii korkeammankin kertaluvun yhtälöille, mutta polynomin ratkaisu menee turhan hankalaksi.
Epähomogeenisten versioiden ratkaisut saa kaavasta eli homogeenisen version yleinen ratkaisu +
epähomogeenisen jokin yksittäisratkaisu. Jos
epähomogeeninen osa
sattuu olemaan
muotoa
, niin:
Ensimmäinen kertaluku (eli ):
Toinen kertaluku:
Ideana on etsiä ensin rekursiota esittävä emäfunktio suljetussa muodossa (potenssisarjojen laskusäännöillä) ja sitten etsiä toiseen suuntaan sitä vastaava sarja.
Esimerkki: “Mikä on sarjan
:s alkio?”
Esitetään molemmat puolet :n avulla
(siten, ettei yhtään
:ää
jää jäljelle). Aloitetaan kertomalla
:llä
ja summataan sitten
yli.
Ratkaistaan :n suhteen:
Etsitään saadulle emäfunktiolle sarjaesitys. Käytetään osamurtokehitelmää (Heaviside) ja potenssisarjojen laskusääntöjä:
Viimeisestä summasta nähdään suoraan, että
emäfunktion sarjaesityksen :s kerroin, eli
alkuperäisen sarjan
, on
.
Tulkitaan geometrisen objektin (esim. neliön) eri värisiksi värjättyjen kärkien kiertoja ja peilauksia/3D-rotaatiota (eli liikeryhmää) permutaatioina ja lasketaan montako erinäköistä objektia voidaan tehdä jos niitä saadaan pyöritellä vapaasti. Määritelmiä:
Kun merkitään kärkien eri väritystapoja
(konfiguraatioita) :llä (neliön ja
kahden värin tapauksessa niitä on yhteensä
kpl:
) ja permutaatioita
:llä (neliön tapauksessa 8 kpl, kun lasketaan
erilaiset kierrot ja peilaukset:
, missä
=
kierto = ”ei
muutosta”), niin:
Burnsiden lemma: =
ekvivalenssiluokkien määrä, kun
= “
:tä sovellettaessa
muuttumattomien konfiguraatioiden määrä”.
Esimerkki: “monellako tavalla 6 ihmistä voi sijoittaa
pyöreän pöydän ympärille?”. kierto, kun
. Erilaisia
konfiguraatioita pyörittämättömälle
pöydälle on
, joten
ja koska kukaan ei pysy paikallaan
vähänkään pyöritettäessä,
. Vastaus:
. (Yleisesti:
syklinen järjestys voidaan valita
tavalla.)
Sykli-indeksi helpottaa laskemista: :n sykli-indeksiesitys on
,
:n esitys on
ja esim.
:n on
.
Sykli–indeksi...
...antaa :n eri värin värityksen
ekvivalenssiluokkien määrän sijoituksella
.
Polyan lause: kun on
käytettävissä eri
väriä, erilaisten väritysten inventaariolle, eli eri kombinaatioiden määrien
luetteloinnille, saadaan emäfunktio sijoituksella...
...missä on väriä
esittävä muuttuja. Huom:
:n
ei sijoiteta mitään vaan tulos katsotaan kertoimista,
koska kyseessä on emäfunktio.
Esim.: “Montako eri tapaa on värittää
3-lapainen potkuri kun väreinä on r,g ja b?”
Permutaatioryhmä eli kierrot
,
ja
,
joiden sykli-indeksiesitykset ovat
ja
.
Inventaario-emäfunktio saadaan siis seuraavasti:
Polynomista nähdään, että on 2 eri tapaa (termi
) kun käytetään kaikkia kolmea
väriä (ja 1 tapa kaikilla muilla
värikombinaatioilla). Termien kertoimia voi usein laskea
multinomilauseen avulla kertomatta koko polynomia auki.
Suurin yhteinen tekijä (syt
tai gcd, Greatest Common Denominator)
merkitään tai
ja on suurin luku
, joka jakaa kaikki
eli
. Kahdelle muuttujalle voidaan
merkitä myös
, missä
.
S.y.t löytyy Euklideen algoritmilla: jaetaan
joka askeleella jäljellä oleva luku edellisen askeleen
jakojäännöksellä ja lopetetaan kun
jäännöksestä tulee 0. Viimeinen ei-nolla
jäännös on s.y.t. Algoritmi toimii myös useammalle
kuin kahdelle luvulle, sillä . Esim.
:
Lineaarikombinaatioesityksen kertoimet
ja
(ja sen avulla Diophanteen
yhtälön ratkaisun) löytää tästä
peruuttamalla. Aluksi ratkaistaan ketjun toiseksi viimeinen rivi
jakojäännöksen suhteen, sitten ratkaistaan edellinen rivi
samalla tavalla, yhdistetään ne ja supistetaan, ratkaistaan
kolmanneksi viimeinen rivi ja jatketaan samaan tapaan alkuun asti:
Pienin yhteinen jaettava (pyj
tai lcm, Least Common Multiple)
merkitään tai
ja on pienin luku, jonka kaikki
jakavat eli li
.
Diophanteen yhtälö on yhtälö,
jonka ratkaisuksi sallitaan vain kokonaislukja. Lineaarinen kahden
muuttujan versio: , jossa
.
Yksittäisratkaisun jälkeen yleisen
ratkaisun saa kaavalla
...missä ja
tarkoittavat s.y.t:llä
jaettuja
versioita kertoimista. Huom!
:n kohdalla on
ja
:n kohdalla
eikä päinvastoin!
Yksittäisratkaisun saa mekaanisesti ratkomalla Euklideen
algoritmin jälkeen peruutuksella :n ja
:n yhtälöstä
ja kertomalla ne sitten
:llä. Esim:
ratkaistaan
:
Eulerin fii-funktio on alkioiden
, joille
, eli
:ää pienempien
suhteellisten alkulukujen, määrä.
Sääntöjä:
Luvun hajottaminen alkutekijöihin on
erittäin raskas operaatio. Huomioita:
Millerin testi: pariton
ei ole alkuluku jos, kun
on pariton, joko:
Avaimien luonti: valitaan kaksi alkulukua ja
lasketaan niiden tulo
.
Hamiltonin polulle/kierrokselle ei ole yksikäsitteistä olemassaololausetta, mutta:
Seuraavat klassiset graafialgoritmit ovat ns. ahneita algoritmeja:
Graafin täydellinen sovitus on sellainen,
jossa jokaisesta :n kärjestä
lähtee sivu ja sellainen on olemassa joss
kaikille
(eli
).
Täydellisen sovituksen etsimiseen on olemassa useita ns.
polunlaajennusalgoritmeja. Tässä eräs:
Käydään läpi kaikki kärjet :
Jos :lle ei ole jo valittu
esittäjäsivua:
Käydään läpi :ään
yhdistetyt kärjet
jotka eivät jo
kuulu sovitukseen:
Jos löytyy :hyn yhdistetty
kärki
joka ei jo kuulu sovitukseen:
Lisätään sivu
sovitukseen ja palataan uloimpaan silmukkaan
Induktioaskel: osoitetaan, että jos
induktiohypoteesi (tai -oletus) on tosi,
myös
on tosi sijoittamalla
:n toinen puoli
:n
sisään ja pyörittelemällä algebrallisesti.
Esim.
Esim. toisen asteen yhtälön ratkaisukaavan johtaminen:
Jokaiselle rationaalifunktiolle (
on alempaa astetta kuin
) voi
muodostaa osamurtokehitelmän
missä termit ovat muotoa
tai
ja
ja
(jos
sallitaan
, jälkimmäistä muotoa ei
tarvita). Kehitelmästä on hyötyä varsinkin
integroinnissa.
Aluksi faktoroidaan nimittäjä ensimmäisen tai toisen
asteen termeihin kaavalla (tai sen
suoraviivaisella laajennuksella korkeamman asteen polynomeille).
Hajotelman termit määräytyvät saatujen
tekijöiden mukaan – tapauksia on kolme:
reaalinen (), ei-toistuva juuri
lineaarinen nimittäjä, vakioarvoinen
osoittaja:
imaginäärinen juuri toisen asteen
nimittäjä, lineaarinen osoittaja:
-kertainen juuri
termiä, joissa nimittäjän aste
laskee:
Hajotelman termien osoittajiin tulevat vakiot ()
eli residyt (eng. residue)
voidaan lasskea monella tavalla. Seuraavat kolme tapaa on esitetty
kahden eri suuren, reaalisen juuren avulla (ts.
),
mutta ne toimivat myös korkeamman asteen tapauksissa (ts.
). Heavisiden menetelmää lukuunottamatta ne
toimivat myös moninkertaisille ja epälineaarisille
tapauksille.
Lavennetaan osamurrot samannimisiksi alkuperäisen kanssa,
eliminoidaan nimittäjät ja ratkaistaan osoittajista
muodostuvan polynomin tuntemattomat ()
valitsemalla
aina siten, että se
hävittää kerrallaan yhden muuttujista:
Valitaan strategisesti :
Sama temppu B:lle: :
Eli:
Etsitään murtofunktiota vastaava yhtälö kuten
tavassa 1 ja ryhmitellään se :n
polynomiksi (tässä esimerkin vuoksi toisen asteen, vaikka
ensimmäisen asteenkin riittäisi):
Sitten tehdään :n eri asteisista
termeistä (vakiot,
:t,
:t
yms) lineaarinen yhtälöryhmä:
Ratkaistaan saatu lineaarinen yhtälöryhmä
(esimerkkinä näytetty turha on
poistettu):
Heavisiden menetelmä on helppo, mutta ei
toimi moninkertaisten () eikä
epälineaaristen (
) termien kanssa.
Murtofunktiota ei tarvitse vääntää
yhtälöksi kuten edellisissä tavoissa:
Pyyhitään vain aina yksi tekijä pois
nimittäjästä ja sijoitetaan sen nollaamiseen tarvittava
vakio jäljelle jääneeseen kaavaan :n
tilalle. Poistettua tekijää vastaava residy saadaan suoraan:
Summa, erotus, tulo ja osamäärä ovat triviaaleja:
jotain ei-määrättyä arvoa lähestyvän raja-arvon saa yleensä joko faktoroimalla polynomeja juuriensa avulla tai viimeistäänkin muuttamalla laskun raja-arvoksi äärettömyydessä:
tai
.
(Roomalaisten kirjainten kanssa yhteiset merkit harmaalla, etsimisen helpottamiseksi.)
![]() |
![]() |
alfa | ![]() |
![]() |
nyy | ||
![]() |
![]() |
beeta | ![]() |
![]() |
ksii | ||
![]() |
![]() |
gamma | ![]() |
![]() |
omikron | ||
![]() |
![]() |
delta | ![]() |
![]() |
pii | ||
![]() |
![]() |
epsilon | ![]() |
![]() |
rhoo | ||
![]() |
![]() |
zeeta | ![]() |
![]() |
sigma | ||
![]() |
![]() |
eeta | ![]() |
![]() |
tau | ||
![]() |
![]() |
theeta | ![]() |
![]() |
ypsilon | ||
![]() |
![]() |
ioota | ![]() |
![]() |
fii | ||
![]() |
![]() |
kappa | ![]() |
![]() |
khii | ||
![]() |
![]() |
lambda | ![]() |
![]() |
psii | ||
![]() |
![]() |
myy | ![]() |
![]() |
omega |
ääriarvopisteiden luokittelu 22
ääriarvotehtävä
monen muuttujan 22
rajoitettu 22
2. asteen yhtälön ratkaisukaava 45
abelin ryhmä 27
affininen 13
affiniteetti 13
ahne algoritmi 43
aika-alue 18
algebra 27
alideterminanttikehitelmä 9
alirangas 28
alirengas
ideaali 28
aliryhmä 27
triviaali 27
alkuarvo-ongelma 15
alkuluku 39
pseudo- 41
vahva 41
suuri 41
alkulukuja
suhteellinen 39
alkulukukaksoset 41
analyyttinen 26
argumentti (kompleksiluvun) 26
aritmetiikan peruslause 39
aste
kärjen 42
lähtö- 42
tulo- 42
attraktiivisesti stabiili 17
avaruuspinta 21
Bellin luvut 31
binomikertoimet 32
yleistetyt 32
binomilause 32
bipartite graph 43
blokkikoodaus 30
Burnsiden lemma 37
Caleyn lause 37
Carmichaelin luku 41
Catalanin luvut 34
Cauchyn residuaalilause 27
Cauchyn tulo 20
Cauchy-Riemann 26
conformal mapping 26
curl 24
determinantti 8
Wronskian 16
diagonaali (matriisin) 6
diagonalisoituvuus 9
differenssiyhtälö 35
differentiaali 14
matriisilausekkeen 7
monen muttujan funktion 21
osittais- 15
differentiaaliyhtälö
1. kertaluvun lineearinen 16
eksakti 16
eksaktiksi muuttaminen 16
eksplisiittinen 15
linearisointi 18
-ryhmä, 1. asteen lin. homog. 17
separoituva 15
tasa-asteinen (homogenous) 15
tavallinen 15
tavallinen 2. asteen 17
differentiointi 14
Dijkstran minimipolkualgoritmi 43
dimensio (avaruuden) 6
Diophanteen yhtälö 40
distribuutiosäännöt 28
divergenssi 24
divergenssilause 24
ekvivalenssiluokka
kongruenssi 40
permutaatioryhmän 37
ekvivalentti koodaus 30
emäfunktio 32
eksponentiaalinen 33
tavallinen 32
enumerointi 32
epästabiili piste 17
erillisten syklien tulo 37
esittäjäsysteemi 43
Euklideen algoritmi 40
Eulerin
fii-funktio 41
kierros 42
lause 41
polku 42
Fermat'n pieni lause 41
Fibonaccin luvut 34
field 28
Fii-funktio 41
flux 23
Fourier-kosinisarja 20
Fourier-sarja 20
Fourier-sinisarja 21
fundamentaalikunta 30
funktioavaruus 6
Galois-kunta 30
Gaussin eliminaatio 8
Gaussin laki 24
Gauss-Jordan 7
gcd 39
generoiva funktio 32
generoiva matriisi 30
graafi 42
algoritmeja painotetuille 43
kaksijakoinen 43
komplementti 42
lineaarinen 42
multi- 42
painotettu 43
täydellinen 42
taso- 42
yhtenäinen 42
yksinkertainen 42
Gram-Smidth ortonormalisointi 9
Greenin lause 23
group 27
hajaantuminen 19
Hamiltonin kierros 42
Hamiltonin polku 42
Hamming-etäisyys 30
Hammingin matriisi 31
Hamming-koodaus 30
harmoninen (skalaarikenttä) 24
Heavisiden menetelmä 47
Hessian 22
homogeeniset koordinaatit 12
homomorfismi 27
rengas- 29
ideaalipiste 12
ideaalisuora 12
ideaalitaso 12
induktio
-askel 44
-hypoteesi 44
perusta 44
-todistus 44
Inkluusio-ekskluusio-periaate 32
integral domain 28
integroiva tekijä 16
inventaario 39
isocline 16
isomorfinen
graafi 42
isomorfismi 27
rengas- 29
jäännösluokka 40
Jacobian-matriisi 14
jaollisuus 39
-sääntöjä 39
johtokerroin 29
käänteisluokka 40
kärjen aste 42
ratkaisun (ODE) 16
kantaluku (logaritmin) 47
kantaluvun vaihto 47
karakteristinen polynomi
rekursion 36
karakteristinen polynomi (matriisin) 9
karasteristika (renkaan) 29
kertaluku
alkion 28
differentiaaliyhtälön 15
rekursion 35
ryhmän 27
ketjusääntö
monen muuttujan 15
kierros 42
kiintopiste 37
Kleinin ryhmä 28
kokonaisalue 28
kokonaisluvut 48
kombinaatio 31
kombinatoriikka 31
kommutatiivinen 27
kompleksiluku 26
kompleksiluvut 48
kompleksinen funktio 26
konfiguraatio
graafin 42
kongruenssi 40
-luokka 40
-yhtälö 40
konjugaatti 26
konservatiivinen vektorikenttä 23
koodisana 30
kooditeoria 30
korkea potenssi 40
kreikkalaiset kirjaimet 49
Kruskalin algoritmi 43
kunta 28
fundamentaali- 30
Galois- 30
Kuratowskin lause 42
kuvaus 12
affini 13
lineaari- 12
kyyhkyslakkaperiaate 31
lähde 24
lähtöaste 42
Lagrangen funktio 22
Lagrangen kerroin 22
Lagrangen lause 28
Laplace-muunnos 18
laplace-yhtälö 24
laplacian 24
lcm 40
least squares fit 13
Leibnizin lause 19
liikeryhmä 36
liittoluku 26
lineaarialgebra 6
lineaarialgebran aksioomat 6
lineaarikombinaatio 6
lineaarinen riippumattomuus (funktioiden) 16
linearisaatio 14
linearisointi 18
logaritmi
laskusääntöjä 47
luonnolliset luvut 48
Markovin ketju 13
matriisi
derivaatta 10
eksponentti 10
generoiva 30
normalisoitu 30
Hessian 22
Jacobian 14
käänteis- 7
ortogonaalinen 6
-rengas 29
säännöllinen 6
singulaarinen 6
stokastinen 14
tarkistus- 30
tulo 6
matriisifunktiot 10
metsä 42
Millerin testi 41
moduli (kompleksiluvun) 26
monoidi 27
multigraafi 42
multinomikertoimet 32
multinomilause 32
naapurisolmu 42
nabla 24
napa 26
napakoordinaatisto 22
neliöksi täydentäminen 44
neutraalialkio 27
nollapolynomi 29
nollatekijä
aito 28
normi (matriisin) 6
nullcline 16
numerus 47
ODE 15
ominaisarvo 9
ominaisvektori 9
order 27
oribitaalisesti stabiili 18
ortonormaali 9
ortonormalisointi 9
ortonormeerattu 6
osittaisderivaatta 21
osittaisdifferentiaali 15
ositus 34
pääarvo (kompleksiluvun) 26
painopiste 11
palautuskaava 35
parillinen funktio 20
pariton funktio 20
Pascalin kolmio 32
peräkkäiset sijoitukset 8
permutaatio 31
erilliset esittäjät 37
matriisiesitys 37
-ryhmä 37
toisto- 31
permutaatioryhmä 36
Picardin iteraatio 17
Picardin lause 17
pienimmän neliösumman sovitus 13
pienin yhteinen jaettava 40
pistetulo 10
polaariesitys (kompleksiluvun) 26
pole 26
polku 42
Polyan lause 37
polynomitulo
normeerattu 29
positiivisesti orientoitu 26
potenssi 27
korkea 40
potenssisarja 20
laskusäännöt 34
potentiaali 22
-vektori 23
Primin algoritmi 43
projektiivinen avaruus 12
projektiivinen taso 12
projektio 12
ortogonaalinen 12
-säde 12
-taso 12
yhdensuuntais 12
pseudoalkuluku 41
puoliryhmä 27
puu 42
pyj 40
Rabinin todennäköisyystesti 41
raja-arvo
laskusääntöjä 48
monen muuttujan 21
rangi 6
rank 6
rankki 6
rata 37
rationaaliluvut 48
reaaliluvut 48
redusoimattomuus 29
suhteellinen 29
redusoituvuus 29
rekurrenssiyhtälö 35
rekursio 35
rengas 28
kommutatiivinen 28
matriisi- 29
polynomi- 29
rengashomomorfismi 29
residue 45
residy 45
reuna-arvo-ongelma 15
ring 28
ristioperaattori 11
ristitulo 11
-matriisi 11
rook polynomial 34
roottori 24
RSA-salakirjoitus 42
ryhmä 27
Kleinin 28
syklinen 27
ryhmäkoodi 30
säännöllisyysaste 6
Fourier- 20
harmoninen 20
potenssi- 20
Taylorin 20
semigroup 27
silmukka 42
similaarisuus 10
similariteettimuunnos 9
sink 26
sisätulo 11
skalaarikenttä 22
harmoninen 24
skalaarikolmitulo 11
skalaaritulo 10
source 24
sovitus
kaksijakoisen graafin 43
stabiili piste 17
stabilisaattori 37
s-taso 19
Stokesin lause 24
Strilingin luvut, 2. lajin 31
sulkeuma 42
suora 11
ideaali- 12
normaalimuoto 11
painopistekoordinaatit 11
parametrimuoto 11
-parvi 11
-viuhka 11
suora tulo 27
absoluuttinen 19
ehdollinen 19
testaus 19
suppenemisintervalli 20
suppenemiskeskus 20
suuntakenttä 16
suurin yhteinen tekijä 39
sykli-indeksi 37
syklinen järjestys 37
syklinen ryhmä 27
symmetrinen ryhmä 37
syndrooma 30
systemaattinen 30
syt 39
täydellinen sovitus 43
tarkistusmatriisi 30
tasa-arvokäyrä 16
tasapainopiste 17
taso 11
ideaali- 12
normaalimuoto 11
painopistekoordinaatit 11
parametrimuoto 11
projektiivinen 12
Taylorin sarja 20
tehosuhde (koodauksen) 30
tetraedri 12
toistopermutaatio 31
transformaatio 12
transpoosi 6
tulo
Cauchyn 20
formaali 24
matriisi- 7
piste-/skalaari-/sisä- 10
polynomi- 30
risti- 11
skalaarikolmi- 11
suora 27
vektori- 10
tuloaste 42
työ 23
ulottuvuus (osajoukon) 43
unkarilainen algoritmi 44
väärinjärjestys 31
vahva pseudoalkuluku 41
vaihekulma 26
vaje 43
vakiotermi 29
vasta-alkio 27
vektorikenttä 22
konservatiivinen 23
vektoripotentiaali 22
suljetun käyrän) 24
virheen paino 30
virherakenne 30
virittää (ryhmä) 27
vuo 23
Wilsonin lause 40
Wronskian-determinantti 16
ydin 12
ydin (lineaarikuvauksen) 6
yhdensuuntaissärmiö 13
yhdistetty solmu 42
ykkösalkio 28
yksikkö 28
ylimäärätty yhtälöryhmä 13
yritefunktio 35