HUOM: Tästä dokumentista on olemassa myös helpommin luettava PDF-versio.

Insinöörimatematiikkaa tiivistettynä

muistiinpanoja TKK:n matematiikan peruskursseilta

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

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

1Lineaarialgebra

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.

1.1Matriisien perusteet

1.1.1Tulo

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(

1.1.2Käänteismatriisi

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: .

1.1.3Lineaarialgebran derivointisääntöjä

Perussääntöjä:

Matriisilausekkeiden derivaattoja vektorin suhteen:

1.1.4Gaussin eliminaatio

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:

1.1.5Determinantti

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 .

1.1.6Kanta

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.

1.1.7Gram-Schmidt-ortonormalisointi

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 :

  1. merkitään ja ja aloitetaan kohdasta 3
  2. vähennetään :nnestä vektorista kaikkien jo ortonormalisoitujen vektorien projektio:
  3. normalisoidaan :s vektori:
  4. Lisätään :tä yhdellä eli siirrytään seuraavaan vektoriin. Jos , jatketaan kohdasta 2.

1.1.8Ominaisarvot ja -vektorit (eigenvalues & vectors)

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:

  1. laske eli :stä riippuva :n karakteristinen polynomi
  2. ratkaise polynomin juuret (eli :n ominaisarvot)
  3. muodosta (nyt tunnetuista) ominaisarvoista yhtälöryhmät ja ratkaise :t (Huom: matriisi on singularinen, joten :t eivät ole yksiselitteisiä, vaan ne voi skaalata mielivaltaisella vakiolla)

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.

1.1.9Matriisifunktiot

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.

1.2Vektorit ja analyyttinen geometria

1.2.1Vektoritulot

1.2.2Suora

1.2.3Taso

1.2.4Tetraedri

1.2.5Projektio

1.3Homogeeniset koordinaatit

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.

1.3.1Ideaalipisteet, -suorat ja tasot

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).

1.3.2Duaalisuus ja lauseiden dualisointi

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):

1.4Kuvaukset (transformaatiot)

1.4.1Lineaarikuvaus

Lineaarikuvaus tai tuttavallisesti matriisikertolasku (ilman homogeenisia koordinaatteja), on määritelty kahdella ehdolla:

Lineaarikuvauksen ydin (kernel) on :n ratkaisujoukko.

Yleisiä lineaarikuvauksia:

1.4.2Affiniteetti (affinikuvaus)

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:

1.5Matriisien sekalaisia sovelluksia

1.5.1Pienimmän neliösumman sovitus (least squares fit)

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.

1.5.2Markovin ketjut

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.

2Differentiaalilaskentaa yleisesti

2.1Differentiaali

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

2.2Jacobian-matriisi

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 .

2.3Monen muuttujan ketjusääntö

Yhden muuttujan ketjusäännön yleistettyjä versioita:

3ODEt - ”tavalliset” differentiaaliyhtälöt

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.

3.1Peruskäsitteitä

3.2Yksittäisen ODEn tarkka ratkaiseminen

3.2.1Separoituva: integrointi puolittain

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 )

3.2.2Tasa-asteinen: muuttujan vaihto

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 .

3.2.3Eksakti: osittaisderivointi

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

3.2.4Eksaktiksi muuttaminen: integroiva tekijä

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.

3.2.51. kertaluvun lineearinen ODE: yleinen ratkaisu

3.3Yksittäisen yhtälön likiarvoratkaisut

3.3.1Suuntakenttä - erikoisratkaisu graafisesti

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 ).

3.3.2Picardin iteraatio - approksimoiva algebrallinen erikoisratkaisu

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 .

3.42. asteen ODE

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: .

3.51. asteen lineearinen homogeeninen ODE-ryhmä

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: .

3.5.1Vaihekuvaaja

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.

3.6Laplace-muunnos

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:

:n määritelmä
Derivointi
2. derivaatta
Määrätty integraali
Derivointi taajuusalueessa
:n skaalaus
Konvoluutio,
Konvoluutiolause toiseen suuntaan
1 Diracin delta”funktio”,
Heavisiden askelfunktio ()
Siirto taajuusalueessa
Aikasiirto, huomaa !
huom:

Esimerkki: ratkaistaan yksinkertainen epähomogeeninen ODE:

4Sarjat

Koska sarja voidaan tulkita jonon osasummasarjan raja-arvoksi äärettömyydessä, saadaan raja-arvon laskusäännöistä (kun ja ):

4.1Suppenemisen testaus

Suppenemista voi testata helpommin kuin laskea summan, ja positiivis-termisen sarjan suppeneminen on helpompi laskea kuin vaihtelevatermisen. Jos :

Integraalitesti
suppenee joss suppenee. ( voidaan valita mielivaltaisesti, koska suppeneminen ei koskaan riipu jonon alusta.)
Osamäärätesti
, eli perättäisten termien osamäärä
n:s juuri-testi
, eli alkion äärettömäs juuri äärettömässä

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).

4.2Yleisimpiä sarjoja

Aritmeettinen sarja
(ts. ). Perättäisten termien erotus on vakio. Hajaantuu aina, mutta osasumma on .
Geometrinen sarja

. Perättäisten termien osamäärä on vakio.

Suppenee arvoon , kun . Osasumma .

p-sarja
. Suppenee, kun ja hajaantuu muuten. Huomaa erityisesti, että eli harmoninen sarja (), hajaantuu (vaikkakin hitaasti). Summan yleistä kaavaa ei ole, mutta .

4.3Potenssisarjat

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:

4.4Fourier-sarja

t

5Monen muuttujan analyysi

5.1Avaruuspinta

Kahdella muuttujalla parametrisoitu avaruuspinta:

Normaali:

Pinta-ala lasketaan seuraavasti:

5.2Raja-arvo

5.3Monen muttujan funktion differentiaalit

5.3.1Osittaisderivaatta

5.3.2Gradientti ja suunnattu derivaatta

N:n muuttujan funktion gradientti on -ulotteinen vektori, joka on koottu funktion osittaisderivaatioista. Gradienttia merkitään nabla- eli del-symbolilla:

5.4Napakoordinaatisto

Kahden muuttujan funktioiden tasa-arvokäyriä voi toisinaan esittää kätevästi napakoordinaateilla. Muunnokset karteesisten ja napakoordinaattien välillä sujuvat seuraavilla kaavoilla:

5.5Monen muuttujan ääriarvotehtävät

5.5.1Ääriarvopisteiden luokittelu (Hessian)

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:

5.5.2Rajoitetut ääriarvotehtävät (Lagrange-kertoimet)

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:

6Skalaari- ja vektorikentät

6.1Viivaintegraali

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.

6.1.1Greenin lause (suljetun käyrän viivaintegraali)

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.

6.1.2Stokesin lause (moniulotteiset pinnat)

Stokesin lause on Greenin lauseen laajennus moniulotteisille pinnoille:

6.2”Vektoriderivaatat” - grad, div, curl

Kentille voidaan määritellä kolme eri “derivaattaa”, joista jokainen on eri kerto-operaattorin ja nabla-operaattorin “formaali tulo”:

Näille pätee kaikenlaisia yhtälöitä, mm.:

6.3Divergenssilause (aka. Gaussin laki)

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:

7Kompleksiluvut

7.1Kompleksiset funktiot

8Abstrakti algebra

= algebrallisia rakenteita (eli alkioiden ja niihin kohdistuvien operaatioiden yhdistelmiä) aksiomaattisesti (eli pieneen määrään perusoletuksia nojaavasti) käsittelevä oppi.

8.1Ryhmät (groups) ja monoidit (monoids)

Joukon ja siihen vaikuttavan jonkin operaation yhdistelmä, , on nimeltään:

Jos on äärellinen niin välttämättä ”pyörähtää ympäri” (kongruenssin tapaan) koska kaikille . Esim. ryhmässä ({0,2,4}, +) on mutta .

Lisää määritelmiä ja lauseita:

Esimerkki: syklinen ryhmä , virittäjänä , on isomorfinen :n kanssa kun määritellään: :

ja aliryhmät :

8.2Renkaat (ring) ja kunnat (field)

Joukon ja sen kahden operaation ja yhdistelmä, , on algebrallinen rengas, jos:

  1. on kommutatiivinen ryhmä ja
  2. on puoliryhmä ja
  3. distribuutiosäännöt pätevät:

Lisäksi:

8.3Polynomirenkaat

Jos on rengas (vaika -kunta, tai äärellinen -rengas tai vaikka matriisirengas):

8.4Kooditeoria

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.

9Kombinatoriikka

9.1Permutaatiot ja kombinaatiot

9.2Inkluusio-ekskluusio-periaate

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:

9.3Binomi- ja multinomikertoimet

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:

9.4Generoivat funktiot eli emäfunktiot

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!):

9.5Tornipolynomit (rook polynomials)

Esimerkki: Johdetaan ym. :n tornipolynomi ilman käänteisen laudan temppua, sijoittamalla kokeeksi nappula vasemmalle ylös laudanjakotekniikan 2 mukaisesti:

9.6Differenssiyhtälöt eli rekursiot

(...eli rekurrenssiyhtälöt eli palautuskaavat)

9.6.1Lineaariset ja vakiokertoimiset

Ratkaisukaavoja:

9.6.2Ratkaisu emäfunktioilla

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?”

  1. Valitaan ja nimetään sarjaan “sovitettava” emäfunktio – valitaan tässä: (eli tavallinen emäfunktio)
  2. Esitetään molemmat puolet :n avulla (siten, ettei yhtään :ää jää jäljelle). Aloitetaan kertomalla :llä ja summataan sitten yli.

  3. Ratkaistaan :n suhteen:

  4. Etsitään saadulle emäfunktiolle sarjaesitys. Käytetään osamurtokehitelmää (Heaviside) ja potenssisarjojen laskusääntöjä:

Viimeisestä summasta nähdään suoraan, että emäfunktion sarjaesityksen :s kerroin, eli alkuperäisen sarjan , on .

9.7Permutaatioryhmät ja ekvivalenssiluokat

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:

10Jaollisuus ja moduloaritmetiikka

10.1Jaollisuussääntöjä

10.1.1Suurin yhteinen tekijä (GCD) ja pienin yhteinen jaettava (LCM)

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 .

10.1.2Lineaariset Diophanteen yhtälöt

Diophanteen yhtälö on yhtälö, jonka ratkaisuksi sallitaan vain kokonaislukja. Lineaarinen kahden muuttujan versio: , jossa .

10.2Kongruenssi eli moduloaritmetiikka

10.3Suuret alkuluvut

10.3.1RSA-salakirjoitus

11Graafit

11.1Lauseita

11.2Algoritmeja (ei-negatiivisesti) painotetuille graafeille

Seuraavat klassiset graafialgoritmit ovat ns. ahneita algoritmeja:

11.3Kaksijakoinen graafi (bipartite graph)

12Sekalaisia laskutekniikoita

12.1Induktiotodistus

  1. Julistetaan induktiohypoteesi (esim. )
  2. Induktion perusta: osoitetaan, että (tai tai joku muu helppo tapaus) on tosi (esim. ).
  3. Induktioaskel: osoitetaan, että jos induktiohypoteesi (tai -oletus) on tosi, myös on tosi sijoittamalla :n toinen puoli :n sisään ja pyörittelemällä algebrallisesti. Esim.

12.2Neliöksi täydentäminen

Esim. toisen asteen yhtälön ratkaisukaavan johtaminen:

12.3Osamurtokehitelmä

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:

  1. reaalinen (), ei-toistuva juurilineaarinen nimittäjä, vakioarvoinen osoittaja:

  2. imaginäärinen juuri toisen asteen nimittäjä, lineaarinen osoittaja:

  3. -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.

12.3.1Tapa 1: :n valitseminen strategisesti

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:

12.3.2Tapa 2: yhtälöryhmä eri asteisista termeistä

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):

12.3.3Tapa 3: Heavisiden peittomenetelmä

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:

12.4Logaritmi

12.5Raja-arvo

12.6Trigonometristen funktioiden ominaisuuksia

13Merkintätapoja

13.1Tavalliset lukujärjestelmät

13.2Kreikkalaiset kirjaimet

(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

Hakemisto

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

kaava 26, 43

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

gradientti 21, 22, 24

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

kanta 6, 9, 9

luonnollinen 6, 9

ratkaisun (ODE) 16

kantaluku (logaritmin) 47

kantaluvun vaihto 47

karakteristinen polynomi

rekursion 36

karakteristinen polynomi (matriisin) 9

karasteristika (renkaan) 29

kernel 6, 13

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

kriittinen piste 17, 22

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

lineaarikuvaus 6, 12

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

moduloaritmetiikka 39, 40

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

osamurtokehitelmä 45, 45

osittaisderivaatta 21

osittaisdifferentiaali 15

ositus 34

pääarvo (kompleksiluvun) 26

painopiste 11

painopistekoordinaatit 11, 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

polynomirengas 29, 29

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

sarja 19, 19

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

suppeneminen 19, 19

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

tornipolynomi 34, 35

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

vaihekuvaaja 17, 17

vaje 43

vakiotermi 29

vasta-alkio 27

vektorikenttä 22

konservatiivinen 23

vektoripotentiaali 22

vektoritulo 10, 11

viivaintegraali 23, 23

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