Szymon G l ab. Struktury losowe II Graf losowy. Instytut Matematyki, Politechnika Lódzka
|
|
- Jerzy Orłowski
- 5 lat temu
- Przeglądów:
Transkrypt
1 Instytut Matematyki, Politechnika Lódzka
2 Graf losowy jako granica Fraisse Przez K graf oznaczmy rodzinȩ wszystkich skończonych grafów (np. na N). Niech G bȩdzie granic a Fraisse rodziny K graf. Strukturȩ G nazywamy grafem losowym. Twierdzenie G jest jedynym, z dok ladności a do izomorfizmu, grafem maj acym w lasność: ( ) dla dowolnych skończonych zbiorów A, B wierzcho lków G takich, że A B = istnieje wierzcho lek z w G po l aczony krawȩdzi a z każdym wierzcho lkiem z A, ale z żadnym wierzcho lkiem z B. Zadanie 6 Jeśli graf ma w laność ( ), to zawiera jako podgraf każdy graf skończony.
3 Graf losowy jako granica Fraisse Przez K graf oznaczmy rodzinȩ wszystkich skończonych grafów (np. na N). Niech G bȩdzie granic a Fraisse rodziny K graf. Strukturȩ G nazywamy grafem losowym. Twierdzenie G jest jedynym, z dok ladności a do izomorfizmu, grafem maj acym w lasność: ( ) dla dowolnych skończonych zbiorów A, B wierzcho lków G takich, że A B = istnieje wierzcho lek z w G po l aczony krawȩdzi a z każdym wierzcho lkiem z A, ale z żadnym wierzcho lkiem z B. Zadanie 6 Jeśli graf ma w laność ( ), to zawiera jako podgraf każdy graf skończony.
4 Graf losowy jako granica Fraisse Przez K graf oznaczmy rodzinȩ wszystkich skończonych grafów (np. na N). Niech G bȩdzie granic a Fraisse rodziny K graf. Strukturȩ G nazywamy grafem losowym. Twierdzenie G jest jedynym, z dok ladności a do izomorfizmu, grafem maj acym w lasność: ( ) dla dowolnych skończonych zbiorów A, B wierzcho lków G takich, że A B = istnieje wierzcho lek z w G po l aczony krawȩdzi a z każdym wierzcho lkiem z A, ale z żadnym wierzcho lkiem z B. Zadanie 6 Jeśli graf ma w laność ( ), to zawiera jako podgraf każdy graf skończony.
5 Konstrukcja teorioliczbowa Zdefiniujmy graf o wierzo lkach N. Powiemy, że (x, y), x < y jest krawȩdzi a jeśli x + 1 cyfra liczby y w rozwiniȩciu dwójkowym jest równa 1. 1 = 1 2, 3 = 11 2, 5 = itd. Zatem 0 jest po l aczone krawȩdzi a z każd a liczb a nieparzyst a.
6 Konstrukcja teorioliczbowa Zdefiniujmy graf o wierzo lkach N. Powiemy, że (x, y), x < y jest krawȩdzi a jeśli x + 1 cyfra liczby y w rozwiniȩciu dwójkowym jest równa 1. 1 = 1 2, 3 = 11 2, 5 = itd. Zatem 0 jest po l aczone krawȩdzi a z każd a liczb a nieparzyst a.
7 Konstrukcja losowa Dla każdej pary (x, y) liczb naturalnych x < y z prawdopodobieństwem 1 2 decydujemy czy (x, y) bȩdzie krawȩdzi a w grafie o wiercho lkach N (dla każdej pary niezależnie). Lemat Borela Cantelliego Za lóżmy, że (A n) s a niezależnymi zdarzeniami takimi, że n=0 P(An) =. Wówczas P( m n m An) = 1.
8 Konstrukcja losowa Dla każdej pary (x, y) liczb naturalnych x < y z prawdopodobieństwem 1 2 decydujemy czy (x, y) bȩdzie krawȩdzi a w grafie o wiercho lkach N (dla każdej pary niezależnie). Lemat Borela Cantelliego Za lóżmy, że (A n) s a niezależnymi zdarzeniami takimi, że n=0 P(An) =. Wówczas P( m n m An) = 1.
9 Formu ly w jȩzyku teorii grafów Jȩzyk L = {R}; R relacja dwuargumentowa. L-formu ly atomowe. Powiemy, że ϕ jest formu l a atomow a jeśli jest postaci: (i) x = y dla pewnych zmiennych x, y; (ii) xry dla pewnych zmiennych x, y. Zbiór L-formu l, to najmniejszy zbiór W zawieraj acy L-formu ly atomowe taki, że (i) jeśli ϕ W, to ϕ W ; (ii) jeśli ϕ, ψ W, to ϕ ψ, ϕ ψ W ; (iii) jeśli ϕ W, to xϕ W. L-zdanie to L-formu la bez zmiennych wolnych. L-teoria to zbiór L-zdań.
10 Formu ly w jȩzyku teorii grafów Jȩzyk L = {R}; R relacja dwuargumentowa. L-formu ly atomowe. Powiemy, że ϕ jest formu l a atomow a jeśli jest postaci: (i) x = y dla pewnych zmiennych x, y; (ii) xry dla pewnych zmiennych x, y. Zbiór L-formu l, to najmniejszy zbiór W zawieraj acy L-formu ly atomowe taki, że (i) jeśli ϕ W, to ϕ W ; (ii) jeśli ϕ, ψ W, to ϕ ψ, ϕ ψ W ; (iii) jeśli ϕ W, to xϕ W. L-zdanie to L-formu la bez zmiennych wolnych. L-teoria to zbiór L-zdań.
11 Formu ly w jȩzyku teorii grafów Jȩzyk L = {R}; R relacja dwuargumentowa. L-formu ly atomowe. Powiemy, że ϕ jest formu l a atomow a jeśli jest postaci: (i) x = y dla pewnych zmiennych x, y; (ii) xry dla pewnych zmiennych x, y. Zbiór L-formu l, to najmniejszy zbiór W zawieraj acy L-formu ly atomowe taki, że (i) jeśli ϕ W, to ϕ W ; (ii) jeśli ϕ, ψ W, to ϕ ψ, ϕ ψ W ; (iii) jeśli ϕ W, to xϕ W. L-zdanie to L-formu la bez zmiennych wolnych. L-teoria to zbiór L-zdań.
12 Formu ly w jȩzyku teorii grafów Jȩzyk L = {R}; R relacja dwuargumentowa. L-formu ly atomowe. Powiemy, że ϕ jest formu l a atomow a jeśli jest postaci: (i) x = y dla pewnych zmiennych x, y; (ii) xry dla pewnych zmiennych x, y. Zbiór L-formu l, to najmniejszy zbiór W zawieraj acy L-formu ly atomowe taki, że (i) jeśli ϕ W, to ϕ W ; (ii) jeśli ϕ, ψ W, to ϕ ψ, ϕ ψ W ; (iii) jeśli ϕ W, to xϕ W. L-zdanie to L-formu la bez zmiennych wolnych. L-teoria to zbiór L-zdań.
13 Teoria liniowych porz adków x (xrx) x y z ((xry yrz) = xrz) x (xry x = y yrx) Teorie i logiczna konsekwencja Teoria grafów x (xrx) x y (xry = yrx) Powiemy, że ϕ jest logiczn a konsekwencj a teorii T, symbolicznie T = ϕ, jeśli dla dowolnej L-struktury M zachodzi implikacja jeśli M = T, to M = ϕ. np. zdanie x y (x y = y x) nie jest logiczn a konsekwencj a aksjomatów teorii grup.
14 Teoria liniowych porz adków x (xrx) x y z ((xry yrz) = xrz) x (xry x = y yrx) Teorie i logiczna konsekwencja Teoria grafów x (xrx) x y (xry = yrx) Powiemy, że ϕ jest logiczn a konsekwencj a teorii T, symbolicznie T = ϕ, jeśli dla dowolnej L-struktury M zachodzi implikacja jeśli M = T, to M = ϕ. np. zdanie x y (x y = y x) nie jest logiczn a konsekwencj a aksjomatów teorii grup.
15 Teoria liniowych porz adków x (xrx) x y z ((xry yrz) = xrz) x (xry x = y yrx) Teorie i logiczna konsekwencja Teoria grafów x (xrx) x y (xry = yrx) Powiemy, że ϕ jest logiczn a konsekwencj a teorii T, symbolicznie T = ϕ, jeśli dla dowolnej L-struktury M zachodzi implikacja jeśli M = T, to M = ϕ. np. zdanie x y (x y = y x) nie jest logiczn a konsekwencj a aksjomatów teorii grup.
16 Teoria liniowych porz adków x (xrx) x y z ((xry yrz) = xrz) x (xry x = y yrx) Teorie i logiczna konsekwencja Teoria grafów x (xrx) x y (xry = yrx) Powiemy, że ϕ jest logiczn a konsekwencj a teorii T, symbolicznie T = ϕ, jeśli dla dowolnej L-struktury M zachodzi implikacja jeśli M = T, to M = ϕ. np. zdanie x y (x y = y x) nie jest logiczn a konsekwencj a aksjomatów teorii grup.
17 Teoria grafu losowego Rozważmy nastȩpuj ac a teoriȩ T sk ladaj ac a siȩ ze zdań teorii grafów x (xrx) x y (xry = yrx) oraz zdań ψ n postaci n n n x 1... x n y 1... y n( x i y j = z (x i Rz y i Rz)) i=1 j=1 Udowodniliśmy, że jeśli R jest grafem losowym, to R = ψ n, czyli R = T oraz jeśli graf X = T, to X jest izomorficzny z R. Zatem Twierdzenie Niech R bȩdzie grafem. Wówczas R jest grafem losowym R = T. Możemy wiȩc T uznać za aksjomaty teorii grafu losowego, bo każde zdanie ϕ prawdziwe w G jest logiczn a konsekwencj a T. i=1
18 Teoria grafu losowego Rozważmy nastȩpuj ac a teoriȩ T sk ladaj ac a siȩ ze zdań teorii grafów x (xrx) x y (xry = yrx) oraz zdań ψ n postaci n n n x 1... x n y 1... y n( x i y j = z (x i Rz y i Rz)) i=1 j=1 Udowodniliśmy, że jeśli R jest grafem losowym, to R = ψ n, czyli R = T oraz jeśli graf X = T, to X jest izomorficzny z R. Zatem Twierdzenie Niech R bȩdzie grafem. Wówczas R jest grafem losowym R = T. Możemy wiȩc T uznać za aksjomaty teorii grafu losowego, bo każde zdanie ϕ prawdziwe w G jest logiczn a konsekwencj a T. i=1
19 Teoria grafu losowego Rozważmy nastȩpuj ac a teoriȩ T sk ladaj ac a siȩ ze zdań teorii grafów x (xrx) x y (xry = yrx) oraz zdań ψ n postaci n n n x 1... x n y 1... y n( x i y j = z (x i Rz y i Rz)) i=1 j=1 Udowodniliśmy, że jeśli R jest grafem losowym, to R = ψ n, czyli R = T oraz jeśli graf X = T, to X jest izomorficzny z R. Zatem Twierdzenie Niech R bȩdzie grafem. Wówczas R jest grafem losowym R = T. Możemy wiȩc T uznać za aksjomaty teorii grafu losowego, bo każde zdanie ϕ prawdziwe w G jest logiczn a konsekwencj a T. i=1
20 Teoria grafu losowego Rozważmy nastȩpuj ac a teoriȩ T sk ladaj ac a siȩ ze zdań teorii grafów x (xrx) x y (xry = yrx) oraz zdań ψ n postaci n n n x 1... x n y 1... y n( x i y j = z (x i Rz y i Rz)) i=1 j=1 Udowodniliśmy, że jeśli R jest grafem losowym, to R = ψ n, czyli R = T oraz jeśli graf X = T, to X jest izomorficzny z R. Zatem Twierdzenie Niech R bȩdzie grafem. Wówczas R jest grafem losowym R = T. Możemy wiȩc T uznać za aksjomaty teorii grafu losowego, bo każde zdanie ϕ prawdziwe w G jest logiczn a konsekwencj a T. i=1
21 Teoria grafu losowego Rozważmy nastȩpuj ac a teoriȩ T sk ladaj ac a siȩ ze zdań teorii grafów x (xrx) x y (xry = yrx) oraz zdań ψ n postaci n n n x 1... x n y 1... y n( x i y j = z (x i Rz y i Rz)) i=1 j=1 Udowodniliśmy, że jeśli R jest grafem losowym, to R = ψ n, czyli R = T oraz jeśli graf X = T, to X jest izomorficzny z R. Zatem Twierdzenie Niech R bȩdzie grafem. Wówczas R jest grafem losowym R = T. Możemy wiȩc T uznać za aksjomaty teorii grafu losowego, bo każde zdanie ϕ prawdziwe w G jest logiczn a konsekwencj a T. i=1
22 Skończone grafy losowe Niech G N bȩdzie rodzin a wszystkich grafów o wierzcho lkach {1, 2,..., N}. Na G N rozważmy miarȩ probabilistyczn a przyporz adkowuj ac a wszystkim grafom to samo prowdopodobieństwo, tzn. Dla dowolnego L-zdania ϕ niech P({G}) = 1 2 N(N 1) 2 p N (ϕ) = {G G N : G = ϕ}. G n Jest to prawdopodobieństwo, że losowy element z G N spe lnia ϕ. Lemat lim N p N (φ n) = 1 dla n = 1, 2,.....
23 Skończone grafy losowe Niech G N bȩdzie rodzin a wszystkich grafów o wierzcho lkach {1, 2,..., N}. Na G N rozważmy miarȩ probabilistyczn a przyporz adkowuj ac a wszystkim grafom to samo prowdopodobieństwo, tzn. Dla dowolnego L-zdania ϕ niech P({G}) = 1 2 N(N 1) 2 p N (ϕ) = {G G N : G = ϕ}. G n Jest to prawdopodobieństwo, że losowy element z G N spe lnia ϕ. Lemat lim N p N (φ n) = 1 dla n = 1, 2,.....
24 Skończone grafy losowe Niech G N bȩdzie rodzin a wszystkich grafów o wierzcho lkach {1, 2,..., N}. Na G N rozważmy miarȩ probabilistyczn a przyporz adkowuj ac a wszystkim grafom to samo prowdopodobieństwo, tzn. Dla dowolnego L-zdania ϕ niech P({G}) = 1 2 N(N 1) 2 p N (ϕ) = {G G N : G = ϕ}. G n Jest to prawdopodobieństwo, że losowy element z G N spe lnia ϕ. Lemat lim N p N (φ n) = 1 dla n = 1, 2,.....
25 Skończone grafy losowe Niech G N bȩdzie rodzin a wszystkich grafów o wierzcho lkach {1, 2,..., N}. Na G N rozważmy miarȩ probabilistyczn a przyporz adkowuj ac a wszystkim grafom to samo prowdopodobieństwo, tzn. Dla dowolnego L-zdania ϕ niech P({G}) = 1 2 N(N 1) 2 p N (ϕ) = {G G N : G = ϕ}. G n Jest to prawdopodobieństwo, że losowy element z G N spe lnia ϕ. Lemat lim N p N (φ n) = 1 dla n = 1, 2,.....
26 Skończone grafy losowe Niech G N bȩdzie rodzin a wszystkich grafów o wierzcho lkach {1, 2,..., N}. Na G N rozważmy miarȩ probabilistyczn a przyporz adkowuj ac a wszystkim grafom to samo prowdopodobieństwo, tzn. Dla dowolnego L-zdania ϕ niech P({G}) = 1 2 N(N 1) 2 p N (ϕ) = {G G N : G = ϕ}. G n Jest to prawdopodobieństwo, że losowy element z G N spe lnia ϕ. Lemat lim N p N (φ n) = 1 dla n = 1, 2,.....
27 Skończone grafy losowe Niech G N bȩdzie rodzin a wszystkich grafów o wierzcho lkach {1, 2,..., N}. Na G N rozważmy miarȩ probabilistyczn a przyporz adkowuj ac a wszystkim grafom to samo prowdopodobieństwo, tzn. Dla dowolnego L-zdania ϕ niech P({G}) = 1 2 N(N 1) 2 p N (ϕ) = {G G N : G = ϕ}. G n Jest to prawdopodobieństwo, że losowy element z G N spe lnia ϕ. Lemat lim N p N (φ n) = 1 dla n = 1, 2,.....
28 Lemat lim N p N (φ n) = 1 dla n = 1, 2,.... Prawo 0 1 dla grafów Dla dowolnego zdania ϕ w jȩzyku teorii grafów mamy lim p N(ϕ) = 0 lub N lim p N(ϕ) = 1. N Ponadto teoria grafu losowego aksjomatyzuje zbiór zdań {ϕ : lim N p N (ϕ) = 1}. Literatura: 1. D. Marker, Model theory. An introduction. Graduate Texts in Mathematics, 217. Springer-Verlag, New York, 2002.
29 Lemat lim N p N (φ n) = 1 dla n = 1, 2,.... Prawo 0 1 dla grafów Dla dowolnego zdania ϕ w jȩzyku teorii grafów mamy lim p N(ϕ) = 0 lub N lim p N(ϕ) = 1. N Ponadto teoria grafu losowego aksjomatyzuje zbiór zdań {ϕ : lim N p N (ϕ) = 1}. Literatura: 1. D. Marker, Model theory. An introduction. Graduate Texts in Mathematics, 217. Springer-Verlag, New York, 2002.
Niech X bȩdzie dowolnym zbiorem. Dobry porz adek to relacja P X X (bȩdziemy pisać x y zamiast x, y P ) o w lasnościach:
Teoria miary WPPT IIr semestr zimowy 2009 Wyk lad 4 Liczby kardynalne, indukcja pozaskończona DOBRY PORZA DEK 14/10/09 Niech X bȩdzie dowolnym zbiorem Dobry porz adek to relacja P X X (bȩdziemy pisać x
Bardziej szczegółowoPodstawy logiki i teorii mnogości Informatyka, I rok. Semestr letni 2013/14. Tomasz Połacik
Podstawy logiki i teorii mnogości Informatyka, I rok. Semestr letni 2013/14. Tomasz Połacik 9 Relacje 9.1 Podstawowe pojęcia 9.1 Definicja (Relacja). Relacją (binarną) nazywamy dowolny podzbiór produktu
Bardziej szczegółowoWyk lad 14 Cia la i ich w lasności
Wyk lad 4 Cia la i ich w lasności Charakterystyka cia la Określenie cia la i w lasności dzia lań w ciele y ly omówione na algerze liniowej. Stosujac terminologie z teorii pierścieni możemy powiedzieć,
Bardziej szczegółowo13 Zastosowania Lematu Szemerédiego
13 Zastosowania Lematu Szemerédiego 13.1 Twierdzenie Erdősa-Stone a (Rozdzia ly 7.1 i 7.5 podre cznika) Jednym z g lównych zagadnień ekstremalnej teorii grafów jest wyznaczenie parametru ex(n, H) = max{
Bardziej szczegółowoWstęp do Matematyki (2)
Wstęp do Matematyki (2) Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl Własności relacji Jerzy Pogonowski (MEG) Wstęp do Matematyki (2) Własności relacji 1 / 24 Wprowadzenie
Bardziej szczegółowoMatematyka dyskretna. 1. Relacje
Matematyka dyskretna 1. Relacje Definicja 1.1 Relacją dwuargumentową nazywamy podzbiór produktu kartezjańskiego X Y, którego elementami są pary uporządkowane (x, y), takie, że x X i y Y. Uwaga 1.1 Jeśli
Bardziej szczegółowoRozdzia l 9. Zbiory liczb porz adkowych. Liczby porz adkowe izolowane i graniczne
Rozdzia l 9. Zbiory liczb porz adkowych. Liczby porz adkowe izolowane i graniczne 1. Kresy wzglȩdem dowolnego zbioru liczb porz adkowych Poświȩcimy teraz uwagȩ przede wszystkich kratowym w lasnościom klasy
Bardziej szczegółowoLogika matematyczna i teoria mnogości (I) J. de Lucas
Logika matematyczna i teoria mnogości (I) J. de Lucas Ćwiczenie 1. (Zad. L. Newelskiego) Niech p oznacza zdanie Ala je, zaś q zdanie As wyje. Zapisz jako formu ly rachunku zdań nastȩpuj ace zdania: 1.1.
Bardziej szczegółowoElementy logiki i teorii mnogości Wyk lad 1: Rachunek zdań
Elementy logiki i teorii mnogości Wyk lad 1: Rachunek zdań Micha l Ziembowski m.ziembowski@mini.pw.edu.pl www.mini.pw.edu.pl/ ziembowskim/ October 2, 2016 M. Ziembowski (WUoT) Elementy logiki i teorii
Bardziej szczegółowoRozdzia l 2. Najważniejsze typy algebr stosowane w logice
Rozdzia l 2. Najważniejsze typy algebr stosowane w logice 1. Algebry Boole a Definicja. Kratȩ dystrybutywn a z zerem i jedynk a, w której dla każdego elementu istnieje jego uzupe lnienie nazywamy algebr
Bardziej szczegółowoStruktury formalne, czyli elementy Teorii Modeli
Struktury formalne, czyli elementy Teorii Modeli Szymon Wróbel, notatki z wykładu dra Szymona Żeberskiego semestr zimowy 2016/17 1 Język 1.1 Sygnatura językowa Sygnatura językowa: L = ({f i } i I, {P j
Bardziej szczegółowoTeoria popytu. Popyt indywidualny konsumenta
Teoria popytu Popyt indywidualny konsumenta Koszyk towarów Definicja 1 Wektor x=(x 1,x 2,x 3,...,x n ) taki, że x i 0 dla każdego i,w którym i-ta współrzędna oznacza ilość towaru nr i, którą konsument
Bardziej szczegółowoRachunek zdań - semantyka. Wartościowanie. ezyków formalnych. Semantyka j. Logika obliczeniowa. Joanna Józefowska. Poznań, rok akademicki 2009/2010
Logika obliczeniowa Instytut Informatyki Poznań, rok akademicki 2009/2010 1 formu l rachunku zdań Wartościowanie i sta le logiczne Logiczna równoważność 2 Model formu ly Formu la spe lniona Formu la spe
Bardziej szczegółowoSterowalność liniowych uk ladów sterowania
Sterowalność liniowych uk ladów sterowania W zadaniach sterowania docelowego należy przeprowadzić obiekt opisywany za pomoc a równania stanu z zadanego stanu pocz atkowego ẋ(t) = f(x(t), u(t), t), t [t,
Bardziej szczegółowoRozdzia l 10. Najważniejsze normalne logiki modalne
Rozdzia l 10. Najważniejsze normalne logiki modalne 1. Logiki modalne normalne Definicja. Inwariantny zbiór formu l X jȩzyka modalnego L = (L,,,,, ) nazywamy logik a modaln a zbazowan a na logice klasycznej
Bardziej szczegółowoWyuczalność w teorii modeli
Wyuczalność w teorii modeli Nina Gierasimczuk Instytut Filozofii UW & Institute for Logic, Language, and Computation UvA Forum Kognitywistyczne 26 IV 2008 Nina Gierasimczuk (IF UW, ILLC UvA) Wyuczalność
Bardziej szczegółowoNotatki z Analizy Matematycznej 1. Jacek M. Jędrzejewski
Notatki z Analizy Matematycznej 1 Jacek M. Jędrzejewski Wstęp W naszym konspekcie będziemy stosowali następujące oznaczenia: N zbiór liczb naturalnych dodatnich, N 0 zbiór liczb naturalnych (z zerem),
Bardziej szczegółowoNaukoznawstwo (Etnolingwistyka V)
Naukoznawstwo (Etnolingwistyka V) Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl 25 listopada 2006 Jerzy Pogonowski (MEG) Naukoznawstwo (Etnolingwistyka V) 25 listopada
Bardziej szczegółowoSTYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1
1 STYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1 Klasyczny Rachunek Prawdopodobieństwa. 1. Pojȩcia wstȩpne. Doświadczeniem losowym nazywamy doświadczenie, którego wynik nie jest znany. Posiadamy
Bardziej szczegółowoRozdzia l 3. Elementy algebry uniwersalnej
Rozdzia l 3. Elementy algebry uniwersalnej 1. Podalgebry, homomorfizmy Definicja. Niech = B A oraz o bȩdzie n-argumentow a operacj a na zbiorze A. Mówimy, że zbiór B jest zamkniȩty na operacjȩ o, gdy dla
Bardziej szczegółowoLOGIKA ALGORYTMICZNA
LOGIKA ALGORYTMICZNA 0.0. Relacje. Iloczyn kartezjański: A B := (a, b) : a A i b B} (zak ladamy, że (x, y) i (u, v) s a równe wtedy i tylko wtedy gdy x = u i y = v); A n := (x 1,..., x n ) : x i A}; R
Bardziej szczegółowoRozdzia l 8. Pojȩcie liczby porz adkowej
Rozdzia l 8. Pojȩcie liczby porz adkowej 1. Liczby naturalne a liczby porz adkowe Oto cztery pierwsze liczby naturalne zapisane wed lug różnych czterech notacji w porz adku od najmniejszej do najwiȩkszej:,
Bardziej szczegółowo1. Wstęp do logiki. Matematyka jest nauką dedukcyjną. Nowe pojęcia definiujemy za pomocą pojęć pierwotnych lub pojęć uprzednio wprowadzonych.
Elementy logiki i teorii zbiorów. 1. Wstęp do logiki. Matematyka jest nauką dedukcyjną. Nowe pojęcia definiujemy za pomocą pojęć pierwotnych lub pojęć uprzednio wprowadzonych. Pojęcia pierwotne to najprostsze
Bardziej szczegółowo25 lutego 2013, godzina 23: 57 strona 1. P. Urzyczyn: Materia ly do wyk ladu z semantyki. Logika Hoare a
25 lutego 2013, godzina 23: 57 strona 1 P. Urzyczyn: Materia ly do wyk ladu z semantyki Logika Hoare a Rozważamy najprostszy model imperatywnego jezyka programowania z jednym typem danych. Wartości tego
Bardziej szczegółowoNormy wektorów i macierzy
Rozdzia l 3 Normy wektorów i macierzy W tym rozdziale zak ladamy, że K C. 3.1 Ogólna definicja normy Niech ψ : K m,n [0, + ) b edzie przekszta lceniem spe lniaj acym warunki: (i) A K m,n ψ(a) = 0 A = 0,
Bardziej szczegółowoCia la i wielomiany Javier de Lucas
Cia la i wielomiany Javier de Lucas Ćwiczenie 1. Za lóż, że (F, +,, 1, 0) jest cia lem i α, β F. w laściwości s a prawd a? Które z nastȩpuj acych 1. 0 α = 0. 2. ( 1) α = α. 3. Każdy element zbioru F ma
Bardziej szczegółowoO pewnych związkach teorii modeli z teorią reprezentacji
O pewnych związkach teorii modeli z teorią reprezentacji na podstawie referatu Stanisława Kasjana 5 i 12 grudnia 2000 roku 1. Elementy teorii modeli Będziemy rozważać język L składający się z przeliczalnej
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA dla ZPM I dr inż Krzysztof Bryś wyk lad 1,2 KLASYCZNY RACHUNEK PRAWDOPODOBIEŃSTWA
1 STATYSTYKA MATEMATYCZNA dla ZPM I dr inż Krzysztof Bryś wyk lad 1,2 KLASYCZNY RACHUNEK PRAWDOPODOBIEŃSTWA 1. Pojȩcia wstȩpne. Doświadczeniem losowym nazywamy doświadczenie, którego wynik nie jest znany.
Bardziej szczegółowoAnaliza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu
Analiza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu Wyk lad 4 1. Zbiory otwarte i domkniȩte Pojȩcia które teraz wprowadzimy można rozpatrywać w każdej przestrzeni metrycznej
Bardziej szczegółowoPrzestrzenie wektorowe, liniowa niezależność Javier de Lucas
Przestrzenie wektorowe, liniowa niezależność Javier de Lucas Ćwiczenie 1. W literaturze można znaleźć pojȩcia przestrzeni liniowej i przestrzeni wektorowej. Obie rzeczy maj a tak a sam a znaczenie. Nastȩpuj
Bardziej szczegółowoWyk lad 12. (ii) najstarszy wspó lczynnik wielomianu f jest elementem odwracalnym w P. Dowód. Niech st(f) = n i niech a bedzie
1 Dzielenie wielomianów Wyk lad 12 Ważne pierścienie Definicja 12.1. Niech P bedzie pierścieniem, który może nie być dziedzina ca lkowitości. Powiemy, że w pierścieniu P [x] jest wykonalne dzielenie z
Bardziej szczegółowoFiltry i nety w przestrzeniach topologicznych
Filtry i nety w przestrzeniach topologicznych Magdalena Ziębowicz Streszczenie W referacie zostaną przedstawione i scharakteryzowane pojęcia związane z filtrami i ultrafiltrami, ciągami uogólnionymi oraz
Bardziej szczegółowoRELACJE I ODWZOROWANIA
RELACJE I ODWZOROWANIA Definicja. Dwuargumentową relacją określoną w iloczynie kartezjańskim X Y, X Y nazywamy uporządkowaną trójkę R = ( X, grr, Y ), gdzie grr X Y. Zbiór X nazywamy naddziedziną relacji.
Bardziej szczegółowoRozdzia l 3. Relacje binarne
Rozdzia l 3. Relacje binarne 1. Para uporz adkowana. Produkt kartezjański dwóch zbiorów Dla pary zbiorów {x, y} zachodzi, jak latwo sprawdzić, równość {x, y} = {y, x}. To znaczy, kolejność wymienienia
Bardziej szczegółowo(4) x (y z) = (x y) (x z), x (y z) = (x y) (x z), (3) x (x y) = x, x (x y) = x, (2) x 0 = x, x 1 = x
2. Wykład 2: algebry Boole a, kraty i drzewa. 2.1. Algebra Boole a. 1 Ważnym dla nas przykładem algebr są algebry Boole a, czyli algebry B = (B,,,, 0, 1) typu (2, 2, 1, 0, 0) spełniające własności: (1)
Bardziej szczegółowoTeoria miary WPPT IIr. semestr zimowy 2009 Wyk lady 6 i 7. Mierzalność w sensie Carathéodory ego Miara Lebesgue a na prostej
Teoria miary WPPT IIr. semestr zimowy 2009 Wyk lady 6 i 7. Mierzalność w sensie Carathéodory ego Miara Lebesgue a na prostej 27-28/10/09 ZBIORY MIERZALNE WZGLȨDEM MIARY ZEWNȨTRZNEJ Niech µ bȩdzie miar
Bardziej szczegółowoLOGIKA I TEORIA ZBIORÓW
LOGIKA I TEORIA ZBIORÓW Logika Logika jest nauką zajmującą się zdaniami Z punktu widzenia logiki istotne jest, czy dane zdanie jest prawdziwe, czy nie Nie jest natomiast istotne o czym to zdanie mówi Definicja
Bardziej szczegółowoTEORIA GRAFÓW. MATERIA LY VI. semestr letni 2013/2014. Jerzy Jaworski. Typeset by AMS-TEX
TEORIA GRAFÓW. MATERIA LY VI. semestr letni 2013/2014. Jerzy Jaworski 20 Typeset by AMS-TEX 8. GRAFY PLANARNE. 8.1. Grafy p laskie i planarne. TEORIA GRAFÓW. MATERIA LY VI. 21 Mówimy, że graf jest uk ladalny
Bardziej szczegółowoFunkcje wielu zmiennych
Funkcje wielu zmiennych 8 Pochodna kierunkowa funkcji Definicja Niech funkcja f określona bȩdzie w otoczeniu punktu P 0 = (x 0, y 0 ) oraz niech v = [v x, v y ] bȩdzie wektorem. Pochodn a kierunkow a funkcji
Bardziej szczegółowoWyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera
Wyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera Określenie podpierścienia Definicja 9.. Podpierścieniem pierścienia (P, +,, 0, ) nazywamy taki podzbiór A P, który jest pierścieniem ze wzgledu
Bardziej szczegółowoWyk lad 14 Formy kwadratowe I
Wyk lad 14 Formy kwadratowe I Wielomian n-zmiennych x 1,, x n postaci n a ij x i x j, (1) gdzie a ij R oraz a ij = a ji dla wszystkich i, j = 1,, n nazywamy forma kwadratowa n-zmiennych Forme (1) można
Bardziej szczegółowoLogika Stosowana. Wykład 1 - Logika zdaniowa. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017
Logika Stosowana Wykład 1 - Logika zdaniowa Marcin Szczuka Instytut Informatyki UW Wykład monograficzny, semestr letni 2016/2017 Marcin Szczuka (MIMUW) Logika Stosowana 2017 1 / 30 Plan wykładu 1 Język
Bardziej szczegółowoZagadnienie Dualne Zadania Programowania Liniowego. Seminarium Szkoleniowe Edyta Mrówka
Zagadnienie Dualne Zadania Programowania Liniowego Seminarium Szkoleniowe Edyta Mrówka Ogólne zagadnienie PL Znajdź taki wektor X = (x 1, x 2,..., x n ), który minimalizuje kombinacje liniow a przy ograniczeniach
Bardziej szczegółowoElementy teorii mnogości. Część II. Wojciech Buszkowski Zakład Teorii Obliczeń Wydział Matematyki i Informatyki Uniwersytet im.
Elementy teorii mnogości. II 1 Elementy teorii mnogości Część II Wojciech Buszkowski Zakład Teorii Obliczeń Wydział Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza Elementy teorii mnogości.
Bardziej szczegółowoAlgebra i jej zastosowania konspekt wyk ladu, czȩść druga
Algebra i jej zastosowania konspekt wyk ladu, czȩść druga Anna Romanowska January 29, 2016 4 Kraty i algebry Boole a 41 Kraty zupe lne Definicja 411 Zbiór uporza dkowany (P, ) nazywamy krata zupe lna,
Bardziej szczegółowoNiesimpleksowe metody rozwia zywania zadań PL. Seminarium Szkoleniowe Edyta Mrówka
Niesimpleksowe metody rozwia zywania zadań PL Seminarium Szkoleniowe Metoda Simplex: wady i zalety Algorytm SIMPLEX jest szeroko znany i stosowany do rozwi azywania zadań programowania liniowego w praktyce.
Bardziej szczegółowo1 Logika Zbiory Pewnik wyboru Funkcje Moce zbiorów Relacje... 14
Wstęp do matematyki Matematyka, I rok. Tomasz Połacik Spis treści 1 Logika................................. 1 2 Zbiory................................. 7 3 Pewnik wyboru............................ 10
Bardziej szczegółowoIVa. Relacje - abstrakcyjne własności
IVa. Relacje - abstrakcyjne własności Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie rzegorz Kosiorowski (Uniwersytet Ekonomiczny wiva. Krakowie) Relacje - abstrakcyjne własności 1 / 22 1 Zwrotność
Bardziej szczegółowoStruktury danych i złożoność obliczeniowa Wykład 7. Prof. dr hab. inż. Jan Magott
Struktury danych i złożoność obliczeniowa Wykład 7 Prof. dr hab. inż. Jan Magott Problemy NP-zupełne Transformacją wielomianową problemu π 2 do problemu π 1 (π 2 π 1 ) jest funkcja f: D π2 D π1 spełniająca
Bardziej szczegółowo13. Cia la. Rozszerzenia cia l.
59 13. Cia la. Rozszerzenia cia l. Z rozważań poprzedniego paragrafu wynika, że jeżeli wielomian f o wspó lczynnikach w ciele K jest nierozk ladalny, to pierścień ilorazowy K[X]/(f) jest cia lem zawieraja
Bardziej szczegółowoWyk lad 7 Baza i wymiar przestrzeni liniowej
Wyk lad 7 Baza i wymiar przestrzeni liniowej 1 Baza przestrzeni liniowej Niech V bedzie przestrzenia liniowa. Powiemy, że podzbiór X V jest maksymalnym zbiorem liniowo niezależnym, jeśli X jest zbiorem
Bardziej szczegółowoAlgorytmiczna teoria grafów
Podstawowe pojęcia i klasy grafów Wykład 1 Grafy nieskierowane Definicja Graf nieskierowany (graf) G = (V,E) jest to uporządkowana para składająca się z niepustego skończonego zbioru wierzchołków V oraz
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
29 marca 2011 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś
Bardziej szczegółowoMATEMATYKA DYSKRETNA - wyk lad 1 dr inż Krzysztof Bryś. Wprowadzenie
1 MATEMATYKA DYSKRETNA - wyk lad 1 dr inż Krzysztof Bryś Wprowadzenie Istniej a dwa różne kryteria mówi ace, które narzȩdzia matematyczne należy zaliczyć do matematyki dyskretnej. Pierwsze definiuje matematykȩ
Bardziej szczegółowoWyk lad 9 Baza i wymiar przestrzeni liniowej
Wyk lad 9 Baza i wymiar przestrzeni liniowej 1 Operacje elementarne na uk ladach wektorów Niech α 1,..., α n bed dowolnymi wektorami przestrzeni liniowej V nad cia lem K. Wyróżniamy nastepuj ace operacje
Bardziej szczegółowoIndukcja. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak
Indukcja Materiały pomocnicze do wykładu wykładowca: dr Magdalena Kacprzak Charakteryzacja zbioru liczb naturalnych Arytmetyka liczb naturalnych Jedną z najważniejszych teorii matematycznych jest arytmetyka
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
31 marca 2014 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś
Bardziej szczegółowoRelacje. Relacje / strona 1 z 18
Relacje Relacje / strona 1 z 18 Relacje (para uporządkowana, iloczyn kartezjański) Definicja R.1. Parą uporządkowaną (x,y) nazywamy zbiór {{x},{x,y}}. Uwaga: (Ala, Ola) (Ola, Ala) Definicja R.2. (n-tka
Bardziej szczegółowoPojęcie szeregu nieskończonego:zastosowania do rachunku prawdopodobieństwa wykład 1
Pojęcie szeregu nieskończonego:zastosowania do rachunku prawdopodobieństwa wykład dr Mariusz Grządziel 5 lutego 04 Paradoks Zenona z Elei wersja uwspółcześniona Zenek goni Andrzeja; prędkość Andrzeja:
Bardziej szczegółowo14. Grupy, pierścienie i ciała.
4. Grup, pierścienie i ciała. Definicja : Zbiór A nazwam grupą jeśli jest wposaŝon w działanie wewnętrzne łączne, jeśli to działanie posiada element neutraln i kaŝd element zbioru A posiada element odwrotn.
Bardziej szczegółowoMATEMATYKA REPREZENTACJA LICZB W KOMPUTERZE
1 SZKO LA PODSTAWOWA HELIANTUS 02-892 WARSZAWA ul. BAŻANCIA 16 B l ad bezwzglȩdny zaokr aglenia liczby ɛ = fl() B l ad wzglȩdny zaokr aglenia liczby 0 δ = fl() B l ad procentowy zaokr aglenia liczby 0
Bardziej szczegółowoLogika Matematyczna. Jerzy Pogonowski. Własności relacji. Zakład Logiki Stosowanej UAM
Logika Matematyczna Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl Własności relacji Jerzy Pogonowski (MEG) Logika Matematyczna Własności relacji 1 / 46 Wprowadzenie
Bardziej szczegółowoUproszczony dowod twierdzenia Fredricksona-Maiorany
Uproszczony dowod twierdzenia Fredricksona-Maiorany W. Rytter Dla uproszczenia rozważamy tylko teksty binarne. S lowa Lyndona sa zwartymi reprezentacjami liniowymi s lów cyklicznych. Dla s lowa x niech
Bardziej szczegółowo2 Rodziny zbiorów. 2.1 Algebry i σ - algebry zbiorów. M. Beśka, Wstęp do teorii miary, rozdz. 2 11
M. Beśka, Wstęp do teorii miary, rozdz. 2 11 2 Rodziny zbiorów 2.1 Algebry i σ - algebry zbiorów Niech X będzie niepustym zbiorem. Rodzinę indeksowaną zbiorów {A i } i I 2 X nazywamy rozbiciem zbioru X
Bardziej szczegółowoMATEMATYKA DYSKRETNA - MATERIAŁY DO WYKŁADU GRAFY
ERIAŁY DO WYKŁADU GRAFY Graf nieskierowany Grafem nieskierowanym nazywamy parę G = (V, E), gdzie V jest pewnym zbiorem skończonym (zwanym zbiorem wierzchołków grafu G), natomiast E jest zbiorem nieuporządkowanych
Bardziej szczegółowo14. Wykład 14: Grupa Galois wielomianu. Zasadnicze twierdzenia teorii Galois. Rozszerzenia rozwiązalne, cykliczne i abelowe
14. Wykład 14: Grupa Galois wielomianu. Zasadnicze twierdzenia teorii Galois. Rozszerzenia rozwiązalne, cykliczne i abelowe. 14.1. Grupa Galois wielomianu. Definicja 14.1. Niech F będzie ciałem, niech
Bardziej szczegółowoSeria zadań z Algebry IIR nr kwietnia 2017 r. i V 2 = B 2, B 4 R, gdzie
Seria zadań z Algebry IIR nr 29 kwietnia 207 r Notacja: We wszystkich poniższych zadaniach K jest ciałem, V wektorow a nad K zaś jest przestrzeni a Zadanie Niechaj V = K 4 [t] Określmy podprzestrzenie
Bardziej szczegółowoWyk lad 11 Przekszta lcenia liniowe a macierze
Wyk lad 11 Przekszta lcenia liniowe a macierze 1 Izomorfizm przestrzeni L(V ; W ) i M m n (R) Twierdzenie 111 Niech V i W bed a przestrzeniami liniowymi o bazach uporzadkowanych (α 1,, α n ) i (β 1,, β
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład XI: Testowanie hipotez statystycznych 12 stycznia 2015 Przykład Motywacja X 1, X 2,..., X N N (µ, σ 2 ), Y 1, Y 2,..., Y M N (ν, δ 2 ). Chcemy sprawdzić, czy µ = ν i σ 2 = δ 2, czyli że w obu populacjach
Bardziej szczegółowoPODSTAWOWE W LASNOŚCI W ZBIORZE LICZB RZECZYWISTYCH
PODSTAWOWE W LASNOŚCI DZIA LAŃ I NIERÓWNOŚCI W ZBIORZE LICZB RZECZYWISTYCH W dalszym cia gu be dziemy zajmować sie g lównie w lasnościami liczb rzeczywistych, funkcjami określonymi na zbiorach z lożonych
Bardziej szczegółowoDowód pierwszego twierdzenia Gödela o. Kołmogorowa
Dowód pierwszego twierdzenia Gödela o niezupełności arytmetyki oparty o złożoność Kołmogorowa Grzegorz Gutowski SMP II rok opiekun: dr inż. Jerzy Martyna II UJ 1 1 Wstęp Pierwsze twierdzenie o niezupełności
Bardziej szczegółowoW poszukiwaniu kszta ltów kulistych
W poszukiwaniu kszta ltów kulistych Piotr Mankiewicz April 4, 2005 Konwersatorium dla doktorantów Notacje 1 Cia lo wypuk le - wypuk ly, domkniȩty podzbiór ograniczony w R n. Odleg lość geometryczna dwóch
Bardziej szczegółowoPrawa wielkich liczb, centralne twierdzenia graniczne
, centralne twierdzenia graniczne Katedra matematyki i ekonomii matematycznej 17 maja 2012, centralne twierdzenia graniczne Rodzaje zbieżności ciągów zmiennych losowych, centralne twierdzenia graniczne
Bardziej szczegółowoElementy logiki i teorii mnogości
Elementy logiki i teorii mnogości Zdanie logiczne Zdanie logiczne jest to zdanie oznajmujące, któremu można przypisać określoną wartość logiczną. W logice klasycznej zdania dzielimy na: prawdziwe (przypisujemy
Bardziej szczegółowoElementy analizy funkcjonalnej PRZESTRZENIE LINIOWE
Elementy analizy funkcjonalnej PRZESTRZENIE LINIOWE Niech K = R lub K = C oraz X - dowolny zbiór. Określmy dwa dzia lania: dodawanie + : X X X i mnożenie przez liczbȩ : K X X, spe lniaj ace nastȩpuj ace
Bardziej szczegółowo0. ELEMENTY LOGIKI. ALGEBRA BOOLE A
WYKŁAD 5() ELEMENTY LOGIKI ALGEBRA BOOLE A Logika podstawowe pojęcia: zdania i funktory, reguły wnioskowania, zmienne zdaniowe, rachunek zdań Matematyka zbudowana jest z pierwotnych twierdzeń (nazywamy
Bardziej szczegółowoROZDZIAŁ 1. Rachunek funkcyjny
ROZDZIAŁ 1 Rachunek funkcyjny Niech X 1,..., X n będą dowolnymi zbiorami. Wyrażenie (formułę) ϕ(x 1,..., x n ), w którym występuje n zmiennych x 1,..., x n i które zamienia się w zdanie logiczne, gdy zamiast
Bardziej szczegółowoW pewnym mieście jeden z jej mieszkańców goli wszystkich tych i tylko tych jej mieszkańców, którzy nie golą się
1 Logika Zdanie w sensie logicznym, to zdanie oznajmujące, o którym da się jednoznacznie powiedzieć, czy jest fałszywe, czy prawdziwe. Zmienna zdaniowa- to symbol, którym zastępujemy dowolne zdanie. Zdania
Bardziej szczegółowoAproksymacja diofantyczna
Aproksymacja diofantyczna Szymon Draga Ustroń, 4 listopada 0 r Wprowadzenie Jak wiadomo, każdą liczbę niewymierną można (z dowolną dokładnością) aproksymować liczbami wymiernymi Powstaje pytanie, w jaki
Bardziej szczegółowoKOMBINATORYKA 1 WYK LAD 10 Zbiory cze
KOMBINATORYKA 1 WYK LAD 10 Zbiory cze ściowo uporza dkowane 17 maja 2012 W rozdziale tym omówimy jedno z fundamentalnych poje ć kombinatoryki, jakim jest zbiór cze ściowo uporza dkowany. Pokażemy w jaki
Bardziej szczegółowoMatematyka ETId Elementy logiki
Matematyka ETId Izolda Gorgol pokój 131A e-mail: I.Gorgol@pollub.pl tel. 081 5384 563 http://antenor.pol.lublin.pl/users/gorgol Zdania w sensie logicznym DEFINICJA Zdanie w sensie logicznym - zdanie oznajmujace,
Bardziej szczegółowoTomasz Downarowicz Instytut Matematyki i Informatyki Politechnika Wroc lawska Wroc law Wroc law, kwiecień 2011
Tomasz Downarowicz Instytut Matematyki i Informatyki Politechnika Wroc lawska 50-370 Wroc law Wroc law, kwiecień 2011 Analiza Funkcjonalna WPPT IIr. Wyk lady 4 i 5: Przestrzenie unitarne i Hilberta (rzeczywiste
Bardziej szczegółowoMatematyka Dyskretna. Andrzej Szepietowski. 25 czerwca 2002 roku
Matematyka Dyskretna Andrzej Szepietowski 25 czerwca 2002 roku ( Rozdział 1 Grafy skierowane W tym rozdziale zajmiemy siȩ algorytmami wyszukiwania najkrótszej drogi w grafach skierowanych Każdej krawȩdzi
Bardziej szczegółowoGraf. Definicja marca / 1
Graf 25 marca 2018 Graf Definicja 1 Graf ogólny to para G = (V, E), gdzie V jest zbiorem wierzchołków (węzłów, punktów grafu), E jest rodziną krawędzi, które mogą być wielokrotne, dokładniej jednoelementowych
Bardziej szczegółowoMatematyka dyskretna
Matematyka dyskretna Wykład 13: Teoria Grafów Gniewomir Sarbicki Literatura R.J. Wilson Wprowadzenie do teorii grafów Definicja: Grafem (skończonym, nieskierowanym) G nazywamy parę zbiorów (V (G), E(G)),
Bardziej szczegółowoLogika matematyczna w informatyce
Paweł Gładki Logika matematyczna w informatyce http://www.math.us.edu.pl/ pgladki/ Konsultacje: Piątek, 8:00-9:30 Jeżeli chcesz spotkać się z prowadzącym podczas konsultacji, postaraj się powiadomić go
Bardziej szczegółowo= b i M i [x], gdy charf = p, to a i jest pierwiastkiem wielomianu x n i
15. Wykład 15: Rozszerzenia pierwiastnikowe. Elementy wyrażające się przez pierwiastniki. Rozwiązalność równań przez pierwiastniki. Równania o dowolnych współczynnikach. 15.1. Rozszerzenia pierwiastnikowe.
Bardziej szczegółowoAlgebrą nazywamy strukturę A = (A, {F i : i I }), gdzie A jest zbiorem zwanym uniwersum algebry, zaś F i : A F i
Algebrą nazywamy strukturę A = (A, {F i : i I }), gdzie A jest zbiorem zwanym uniwersum algebry, zaś F i : A F i A (symbol F i oznacza ilość argumentów funkcji F i ). W rozważanych przez nas algebrach
Bardziej szczegółowoLOGIKA Klasyczny Rachunek Zdań
LOGIKA Klasyczny Rachunek Zdań Robert Trypuz trypuz@kul.pl 5 listopada 2013 Robert Trypuz (trypuz@kul.pl) Klasyczny Rachunek Zdań 5 listopada 2013 1 / 24 PLAN WYKŁADU 1 Alfabet i formuła KRZ 2 Zrozumieć
Bardziej szczegółowo1 Przestrzenie metryczne
Topologia I Notatki do wyk ladu LITERATURA UZUPE LNIAJA CA R. Duda, Wprowadzenie do topologii, czȩść I. R. Engelking, Topologia ogólna. R. Engelking, K. Sieklucki, Wstȩp do topologii. W. Rudin, Podstawy
Bardziej szczegółowoKolorowanie wierzchołków grafu
Kolorowanie wierzchołków grafu Niech G będzie grafem prostym. Przez k-kolorowanie właściwe wierzchołków grafu G rozumiemy takie przyporządkowanie wierzchołkom grafu liczb naturalnych ze zbioru {1,...,
Bardziej szczegółowoZdarzenia losowe i prawdopodobieństwo
Rozdział 1 Zdarzenia losowe i prawdopodobieństwo 1.1 Klasyfikacja zdarzeń Zdarzenie elementarne pojęcie aprioryczne, które nie może być zdefiniowane. Odpowiednik pojęcia punkt w geometrii. Zdarzenie elementarne
Bardziej szczegółowoCentralne twierdzenie graniczne
Instytut Sterowania i Systemów Informatycznych Universytet Zielonogórski Wykład 4 Ważne uzupełnienie Dwuwymiarowy rozkład normalny N (µ X, µ Y, σ X, σ Y, ρ): f XY (x, y) = 1 2πσ X σ Y 1 ρ 2 { [ (x ) 1
Bardziej szczegółowoSchematy Piramid Logicznych
Schematy Piramid Logicznych geometryczna interpretacja niektórych formuł Paweł Jasionowski Politechnika Śląska w Gliwicach Wydział Matematyczno-Fizyczny Streszczenie Referat zajmuje się następującym zagadnieniem:
Bardziej szczegółowoZbiory. Specjalnym zbiorem jest zbiór pusty nie zawierajacy żadnych elementów. Oznaczamy go symbolem.
Zbiory Pojęcie zbioru jest w matematyce pojęciem pierwotnym, którego nie definiujemy. Gdy a jest elementem należacym do zbioru A to piszemy a A. Stosujemy również oznaczenie a / A jeżeli (a A). Będziemy
Bardziej szczegółowoRównania różniczkowe cz astkowe rzȩdu pierwszego
Równania różniczkowe cz astkowe rzȩd pierwszego 1 Równania liniowe jednorodne Rozważmy równanie a 1 ( 1,..., n ) 1 +... + a n ( 1,..., n ) n = 0, (1) gdzie a i, i = 1,..., n s a dane, a fnkcja = ( 1,...,
Bardziej szczegółowoLiczby zespolone, liniowa zależność i bazy Javier de Lucas. a d b c. ad bc
Liczby zespolone, liniowa zależność i bazy Javier de Lucas Ćwiczenie. Dowieść, że jeśli µ := c d d c, to homografia h(x) = (ax+b)/(cx+d), a, b, c, d C, ad bc, odwzorowuje oś rzeczywist a R C na okr ag
Bardziej szczegółowoLogika Stosowana. Wykład 2 - Logika modalna Część 2. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017
Logika Stosowana Wykład 2 - Logika modalna Część 2 Marcin Szczuka Instytut Informatyki UW Wykład monograficzny, semestr letni 2016/2017 Marcin Szczuka (MIMUW) Logika Stosowana 2017 1 / 27 Plan wykładu
Bardziej szczegółowoF t+ := s>t. F s = F t.
M. Beśka, Całka Stochastyczna, wykład 1 1 1 Wiadomości wstępne 1.1 Przestrzeń probabilistyczna z filtracją Niech (Ω, F, P ) będzie ustaloną przestrzenią probabilistyczną i niech F = {F t } t 0 będzie rodziną
Bardziej szczegółowo8 Całka stochastyczna względem semimartyngałów
M. Beśka, Całka Stochastyczna, wykład 8 148 8 Całka stochastyczna względem semimartyngałów 8.1 Całka stochastyczna w M 2 Oznaczmy przez Ξ zbiór procesów postaci X t (ω) = ξ (ω)i {} (t) + n ξ i (ω)i (ti,
Bardziej szczegółowo