Spacery losowe i sieci elektryczne

Wielkość: px
Rozpocząć pokaz od strony:

Download "Spacery losowe i sieci elektryczne"

Transkrypt

1 Uiwersytet Wrocªawsi Wydziaª Matematyi i Iformatyi Istytut Matematyczy specjalo± : zastosowaia rachuu prawdopodobie«stwa i statystyi Oliwier Bieraci Spacery losowe i sieci eletrycze Praca licecjaca apisaa pod ieruiem prof. dr hab. Dariusza Buraczewsiego Wrocªaw, Ro 08

2 Spis tre±ci Wst p 3 Wprowadzeie do sieci eletryczych 4. Sieci eletrycze Zwi zi pomi dzy sieciami eletryczymi, a ªa«cuchami Marowa Fucje harmoicze Prawdopodobie«stwo ucieczi i opór efetywy Reducja sieci eletryczych Czasy uderzeia i porycia Aaliza czasów porycia 8. Prosty spacer po Z Graf peªy rozmiaru Z ze ±rodiem wymiarowa osta Krata rozmiaru Bibliograa 7

3 Wst p Maj c day ªa«cuch Marowa, chcemy poza odpowiedzi a pytaia: jaie jest prawdopodobie«- stwo,»e spacer startuj cy z wierzchoªa x tra w wierzchoªe y, zaim dotrze do wierzchoªa z? Ile czasu potrzebujemy,»eby tra w wierzchoªe y? Ile czasu potrzeba, aby odwiedzi przyajmiej raz a»dy z wierzchoªów? Odpowiedzi a te pytaia mo»emy zale¹, szuaj c aalogii pomi dzy ªa«cuchami Marowa, a sieciami eletryczymi. Chcemy zdeiowa sie eletrycz, a ast pie zale¹ probabilistycze iterpretacje odpowiedich wielo±ci i zwi zi pomi dzy imi. W pierwszym rozdziale zdeiujemy sie eletrycz, przytaczaj c odpowiedie deicje i twierdzeia, zaczerpi te z literatury. W rozdziale drugim dooam samodzielej aalizy czasów porycia dla ilu szczególych przypadów grafów, bazuj c a teorii przedstawioej we wcze±iejszym rozdziale. 3

4 Wprowadzeie do sieci eletryczych. Sieci eletrycze Rozwa»my graf G = (V, E), wraz z ore±lo a im sieci eletrycz : Dla a»dej raw dzi e E daa jest jej przepustowo± (odutacja) C(e). Odwroto± przepustowo±ci azywamy oporem (rezystacj ) raw dzi R(e). Zaªadamy,»e C(e) [0, ]. Dla a»dego wierzchoªa x V day jest jego potecjaª v(x). Ró»ic potecjaªów mi dzy dwoma wierzchoªami x, y V azywamy api ciem U(x, y) = v(x) v(y). Je»eli e jest raw dzi wychodz c z wierzchoªa x sierowa do wierzchoªa y, mo»emy zapisa U(e) = U(x, y). Przez a»d raw d¹ e E pªyie pr d o at»eiu i(e). Je»eli e jest raw dzi ª cz c wierzchoªi x i y, to mo»emy zapisa i(e) = i(x, y). Powy»sze wielo±ci powi zae s ze sob ast puj cymi prawami: Prawo Ohma - dla a»dej raw dzi e E mamy R(e) = U(e) i(e) I Prawo Kirchhoa - dla a»dego wierzchoªa x V zachodzi i(x, y) = 0, y x gdzie y x ozacza sumowaie po tych wierzchoªach, tóre s poª czoe raw dzi z wierzchoªiem x.. Zwi zi pomi dzy sieciami eletryczymi, a ªa«cuchami Marowa Maj c da sie eletrycz mo»emy zdeiowa a iej spacer losowy w ast puj cy sposób. Niech x V. Wówczas dla y x ore±lamy: P (x, y) = C(x, y) C(x, y) := C(x, z) C(x) z x Dla daego ªa«cucha Marowa ie zawsze jeda jest mo»liwe ore±leie rówowa»ej sieci eletryczej. Jest to mo»liwe tylo w przypadu odwracalych spacerów losowych, tz. taich,»e dla dowolych x, y V speªioe jest π(x)p (x, y) = π(y)p (y, x) Wówczas mo»emy ore±li przepustowo±ci raw dzi: C(x, y) = π(x)p (x, y) Oczywi±cie mo»emy przemo»y przez staª wszystie przepustowo±ci w grae bez zmiay zachowaia ªa«cucha. Zauwa»my,»e warue odwracalo±ci gwaratuje,»e deicja przepustowo±ci ie zale»y od wyboru wierzchoªa, tz. C(x, y) = C(y, x). Warue odwracalo±ci jest speªioy przez a»dy prosty spacer losowy, tz. tai w tórym w a»dej chwili wychodzimy z daego wierzchoªa jed z raw dzi i wybór a»dej jest jedaowo prawdopodoby, czyli wszystie raw dzie maj jedaowe przepustowo±ci (i taie wªa±ie b dziemy rozwa»a w rozdziale ). 4

5 .3 Fucje harmoicze Rozwa»amy graf spójy G = (V, E) z prawdopodobie«stwami przej± P (x, y). Zbiór wierzchoªów V dzielimy a dwa rozª cze zbiory: w trze (D) oraz brzeg (B), w tai sposób, aby a»dy wierzchoªe z brzegu byª poª czoy raw dzi z co ajmiej jedym wierzchoªiem z w trza grafu. Deicja Fucja f jest harmoicza a D, je»eli dla a»dego x D f(x) = y x P (x, y)f(y). Fat Dla fucji f 0 : B R istieje jej jedozacze rozszerzeie do fucji f : V R harmoiczej a D. Przedstawmy B jao sum rozª czych zbiorów A i Z: B = A Z. Rozwa»my fucj ρ : V R, ta»e dla a»dego x V, ρ(x) ozacza prawdopodobie«stwo,»e spacer losowy startuj cy z x tra w A zaim tra w Z. Zaªadamy,»e ρ A oraz ρ Z 0. Oczywi±cie fucja ρ jest harmoicza a D. Šatwo poaza,»e fucja potecjaªu v zdeiowaa a brzegu B, jest harmoicza a D. Niech v A oraz v Z 0. Z jedozaczo±ci rozszerzeia wyia,»e v ρ. Co za tym idzie, potecjaª daego wierzchoªa ozacza prawdopodobie«stwo,»e startuj cy z iego spacer losowy uderzy w A, zaim uderzy w Z..4 Prawdopodobie«stwo ucieczi i opór efetywy Zaªó»my,»e A = {a} oraz Z = {z} i poªó»my api cie v(a) =, v(z) = 0. Rozwa»my pr d i wpªywaj cy do uªadu w pucie a. Wówczas: i = i(a, x) = v(a) v(x) = ( v(x))c(a, x) = C(a) R(a, x) x a x a x a( ) v(x)p (a, x) x a Poiewa» v(x) ozacza prawdopodobie«stwo powrotu do a zaim dotrzemy do z to i C(a) ozacza prawdopodobie«stwo,»e po wyj±ciu z a tramy w z przed powrotem do a. Nazwiemy t warto± prawdopodobie«stwem ucieczi i ozaczymy p esc. Zdeiujmy teraz opór efetywy i efetyw przepustowo± jao R e = = C e i Ituicyjie mo»emy my±le o uªadzie ja o du»ym oporiu. Opór efetywy zostaª zdeioway w tai sposób, aby byªo speªioe prawo Ohma: v(a) v(z) = = i R e Zwró my uwag,»e opór efetywy deiujemy dla uªadu, gdzie api cie pomi dzy putami a i z wyosi. Zaªó»my teraz,»e do api cie podª czoo w tai sposób,»e przez uªad pªyie pr d jedostowy, tz. v(z) = 0, a v(a) jest odpowiedio dobra warto±ci. Poowie speªioe jest prawo Ohma, zatem soro v(z) = 0, a i =, to v(a) = v(a) v(z) = ir e = R e. Zauwa»my,»e poiewa» C(a) jest staª, to opór efetywy jest odwrotie proporcjoaly do prawdopodobie«stwa ucieczi. Zastaówmy si teraz, co staie si w przypadu, gdy zwi szymy opór pewej raw dzi. Ituicyjie mo»e si wydawa,»e p esc powio zmale. Odpowied¹ przyosi ast puj ce twierdzeie: Twierdzeie(Prawo mootoiczo±ci Rayleigha) Je»eli zwi szymy rezystacje poszczególych oporiów w uªadzie, to efetywy opór tego uªadu mo»e jedyie wzros. Je»eli opory malej - rezystacja efetywa mo»e tylo male. 5

6 .5 Reducja sieci eletryczych Sompliowae uªady oporiów mo»emy reduowa do prostszych, orzystaj c z prostych fatów. Š czeie szeregowe- uªad oporiów o oporach R,..., R poª czoych szeregowo mo»emy zast pi jedym o oporze R = R R Š czeie rówolegªe- uªad oporiów o oporach R,..., R poª czoych rówolegle mo»emy zast pi jedym o oporze R speªiaj cym R = R R Lub zapisuj c w j zyu odutacji: C = C C. Trasformacja gwiazda-trój t - przedstawioe a rysuu uªady raw dzi mo»a rówowa»ie zamieia, przy czym warto±ci ich oporów obliczamy a podstawie poi»szych wzorów (podaych dla R oraz R a, ale aalogiczych dla pozostaªych warto±ci). R a = R R 3 R + R + R 3 R = R ar b + R b R c + R c R a R a Rysue : Trój t i gwiazda.6 Czasy uderzeia i porycia Deicja Niech G = (V, E), oraz a, z V. Niech X t b dzie spacerem losowym po V, startuj cym w a oraz τ z = mi{t : X t = z}. czasem uderzeia w z spaceru startuj cego z a azywamy warto± E a τ z czasem porycia grafu G azywamy warto± Eσ, gdzie σ = max x V τ x ; warto± t ozaczamy E[Cov] Do obliczaia czasów uderzeia, oraz szacowaia czasów porycia pomoce s ast puj ce twierdzeia. Twierdzeie Day jest ªa«cuch Marowa z przestrzei staów V oraz miar stacjoar π(x). Do wierzchoªów a, z V podª czoo api cie w tai sposób,»e v(z) = 0, a v(a) dobrao ta, aby przez uªad pªy ª pr d o at»eiu. Wówczas E a τ z = x V π(x)v(x) Twierdzeie (Góre ograiczeie a czas porycia) Dla so«czoego, iereduowalego ªa«cucha Marowa z -elemetow przestrzei staów V zachodzi ( ) ( E[Cov] max E aτ b + a,b V ) 6

7 Twierdzeie 3 (Dole ograiczeie a czas porycia) Dla so«czoego, iereduowalego ªa«cucha Marowa z przestrzei staów V zachodzi ( ) ( E[Cov] max A V ta mi + ) , A gdzie t A mi = mi a,b A,a b E a τ b 7

8 Aaliza czasów porycia. Prosty spacer po Z Chcemy zale¹ czas porycia Z dla prostego spaceru losowego. Rozwa»amy zbiór wierzchoªów V = {0,,..., } oraz spacer X, tai»e X 0 = 0 oraz P[X + = X + ] = P[X + = X ] = dla dowolego, gdzie + oraz s dziaªaiami odpowiedio dodawaia i odejmowaia modulo. Rysue : Z dla = 6 Sorzystamy ajpierw z oszacowa«przytoczoych w poprzedim rozdziale, a ast pie porówamy je z rzeczywistym czasem porycia obliczoym elemetarymi metodami. Sorzystamy z fatu,»e dla prostego spaceru losowego X t po Z startuj cego z zera oraz τ = mi{t : X t = a X t = b} dla a, b > 0 mamy Eτ = ab. Aby zale¹ góre ograiczeie musimy obliczy max a,b V E a τ b. Oczywi±cie warto± E a τ b jest tym wi sza, im bardziej odlegªe od siebie s puty a i b. Dla parzystych ajbardziej odlegªe s puty 0 i, wówczas aby obliczy max a,b V E a τ b mo-»emy zauwa»y,»e spacer po Z startuj cy z zera zatrzymyway w momecie uderzeia w jest aalogiczy do spaceru po Z, startuj cego z zera i zatrzymywaego w momecie uderzeia w lub w. Zatem max a,b V E a τ b = 4 Dla ieparzystych ajbardziej odlegªe s puty 0 i, wówczas max a,b V E a τ b = ( )(+) 4. Wówczas (zaªadaj c a momet dla uproszczeia,»e ) otrzymujemy: E[Cov] 4 = log Aby zale¹ dole ograiczeie rozwa»amy warto±ci t A mi dla A V. Poiewa» istota problemu stwarza oieczo± rozwa»eia wszystich mo»liwych zbiorów A i zalezieie optymalego ie jest ªatwe, ograiczymy si do ituicyjych spostrze»e«, tóre pozwol wybra rozs dy zbiór A, daj cy pewe oszacowaie z doªu. Poiewa» t A mi jest fucj wyª czie ajmiejszej odlegªo±ci pomi dzy putami w A, to bardziej optymale s zbiory, gdzie wierzchoªi s od siebie rówo odlegªe. Po drugie, poiewa» wraz ze wzrostem liczby wierzchoªów w A ograiczeie ro±ie jedyie logarytmiczie, to wydaje si by rozs diejszym wybieraie zbioru A, tóry ma maªo wierzchoªów, ale o du»ych odlegªo±ciach mi dzy imi. Sprawd¹my zatem ograiczeie dla A - zbioru dwóch ajbardziej oddaloych wierzchoªów (zaªadamy dla uproszczeia,»e ). Mamy wtedy E[Cov] 4 Dla porówaia obliczymy E[Cov] elemetarymi metodami. Zaczyamy spacer z zera i ore±lamy czas zatrzymaia τ - chwila w tórej po raz pierwszy odwiedzili±my a»dy wierzchoªe co ajmiej raz (tz. E[Cov] = Eτ). Niech X t startuje z zera, tz. X 0 = 0. Je»eli ozaczymy przez τ czas potrzeby do odwiedzeia owego wierzchoªa to oczywi±cie τ =, wi c Eτ =. Zaªó»my bez straty ogólo±ci»e drugim odwiedzoym przez as wierzchoªiem jest i ozaczmy przez τ 3 czas potrzeby do odwiedzeia olejego owego wierzchoªa. Musi im by albo, albo, a czas potrzeby a dotarcie do 8

9 iego to (z fatu) Eτ 3 =, gdy» jest to sytuacja aalogicza do prostego spaceru po Z startuj cego z 0 i zatrzymywaego w lub. Aalogiczie, zaªó»my,»e odwiedzili±my ju» ró»ych wierzchoªów i przez τ ozaczmy czas potrzeby do odwiedzeia olejego. Oczywi±cie ju» odwiedzoe przez as wierzchoªi zajduj si obo siebie (tz. je»eli dwa wierzchoªi x, y zostaªy przez as odwiedzoe, to zostaªy rówie» odwiedzoe wszystie wierzchoªi a jedym z ªuów pomi dzy x i y). Bez straty ogólo±ci mo»emy zaªo»y»e odwiedzili±my wierzchoªi od 0 do i zajdujemy si w. Przeprowadzaj c aalogicze rozumowaie ja wcze±iej wiosujemy,»e czas potrzeby do odwiedzeia lub wyosi Eτ =. Nietrudo spostrzec,»e: E[Cov] = Eτ = τ = = ( ) = = ( ).. Graf peªy rozmiaru Rozwa»amy prosty spacer losowy po grae peªym z wierzchoªami. Ka»de dwa wierzchoªi poª czoe s ze sob raw dzi. Rysue 3: Graf peªy rozmiaru 6 Zauwa»my,»e warto± E a τ b dla ró»ych a, b ie zale»y od wyboru putów. Zmiea τ b ma rozªad geometryczy z parametrem, zatem E aτ b =. Góre ograiczeie a czas porycia ma zatem posta E[Cov] ( ) log W przypadu dolego ograiczeia, iezale»ie od wyboru zbioru A mamy t A mi = = mi E aτ b = mi =, a,b A,a b a,b A,a b zatem wybieramy zbiór z ajwi sz liczba elemetów (czyli A = V ). Wówczas: E[Cov] ( ) = log. Poiewa» dole i góre ograiczeia porywaj si, to wiosujemy,»e jest to doªady czas porycia. Obliczmy dla porówaia doªad warto± E[Cov] elemetarymi metodami. Zaªó»my,»e startujemy z dowolego wierzchoªa i ozaczmy przez τ czas potrzeby a odwiedzeie olejego. Oczywi±cie τ =. Maj c odwiedzoe ró»e wierzchoªi, ozaczmy przez τ 3 czas potrzeby a odwiedzeie trzeciego. W a»dej chwili prawdopodobie«stwo traeia w owy wierzchoªe jest taie samo i wyosi, zatem zmiea τ 3 ma rozªad geometryczy z taim wªa±ie parametrem. Zatem Eτ 3 =. Aalogiczie, gdy odwiedzili±my ju» ró»ych wierzchoªów i przez τ ozaczymy czas potrzeby do odwiedzeia olejego, to τ ma rozªad geometryczy z parametrem +, zatem Eτ = +. Nietrudo spostrzec,»e: E[Cov] = τ = = = + = ( ). Oczywi±cie wyi porywa si z wcze±iejszymi szacowaiami. 9 =

10 .3 Z ze ±rodiem Rozwa»amy prosty spacer losowy po grae ja a rysuu poi»ej. Aby wyzaczy góre oszacowaie a czas porycia, ale»y zale¹ E a τ b dla a, b - przeciwlegªych wierzchoªów a wielo cie. Rysue 4: Z 6 ze ±rodiem Zaªó»my dla uproszczeia,»e rozwa»amy tylo parzyste warto±ci. Poiewa» rozwa»amy prosty spacer losowy, to wszystie raw dzie maj jedaow przepustowo± (w dalszych rozwa»aiach wyzaczymy jej doªad warto± ). Sorzystamy z twierdzeia. Podª czamy api cie do putów a i b, ta»e v(b) = 0, a v(a) jest dobrae ta, aby przez uªad pªy ª pr d jedostowy, tz. v(a) = R e. Zauwa»my,»e warto±ci v(x) zmieiaj si liiowo wraz ze zmia v(a) (co wyia z wªaso±ci fucji harmoiczych), zatem mo»emy przyj v(a) = i orzystaj c z twierdzeia powiedzie,»e: E a τ b = R e π(x)v(x) x V Ozaczmy put ±rodowy jao s. Zauwa»my,»e π przyjmuje tylo dwie warto±ci (wyia to z symetrii) - ozaczmy je jao π s dla putu ±rodowego oraz π b dla a»dego z putów brzegowych. Speªiaj oe uªad rówa«: { πs = π b 3 π s + π b = Rówaia wyiaj bezpo±redio z wªaso±ci miary stacjoarej. Rozwi zaiem uªadu jest: { πs = 4 π b = 3 4 Z symetrii wyia poadto,»e v(s) =, zatem: E a τ b = R e x V,x s v(x) Aby wyzaczy t sum, ozaczmy warto±ci ja a rysuu i zauwa»my,»e poiewa» v(x) jest harmoicza, to otrzymujemy uªad rówa«: v 0 = v = ( 3 v0 + v + ) v = ( 3 v + v 3 + )... v = ( 3 v + v + ) v = 0 Ozaczmy v = v v. Wówczas poprzez zsumowaie wszystich rówa«stroami, dodaie i odj cie poszczególych sªadiów otrzymujemy: v = ( 3 + v v v + v v 0 v + ) 3 0

11 Poiewa» v 0 =, v = 0, a v + v = co wyia z symetrii, to: Poiewa» x V,x s v(x) = v v 0 v to: v = + x V,x s v(x) = Podstawiaj c otrzymay wyi do wcze±iejszego wyra»eia otrzymujemy: E a τ b = 7 8 R e W celu wyzaczeia oporu efetywego musimy zale¹ doªad warto± przepustowo±ci raw dzi. Zgodie z deicj z rozdziaªu. ore±lamy dla raw dzi ª cz cych ±rode s z zew trzymi wierzchoªami b (a za razem dla wszystich iych) przepustowo± C = π s P (s, b) = 4 = 4 Poiewa» obliczeie doªadej warto±ci oporu efetywego jest trude dla du»ych, oszacujemy go reurecyjie. Zaªó»my dla uproszczeia,»e rozwa»amy tylo parzyste warto±ci. Dla uªatwieia zapisu zaªó»my,»e przepustowo±ci s jedostowe. Ozaczmy efetywy opór grafu rozmiaru jao R (to zaczy grafu posiadaj cego w sumie + wierzchoªów). Chcemy wyzaczy warto± R +. Zauwa»- my po pierwsze,»e przy rozwa»aiu R mo»emy uto»sami wierzchoªi le» ce po przeciwych stroach pioowej osi, aby otrzyma prostszy graf, co przedstawia rysue. Poiewa» otrzymali±my poª czeia rówolegªe pomi dzy putami, to drogi pomi dzy poszczególymi putami maj przepustowo±ci rówe sumie wcze±iejszych. Na a»dym z rysuów ozaczoo przy raw dziach ich przepustowo±ci. Rozwa»my teraz podobie zreduoway graf rozmiaru +. Poprzez rozdzieleie jedej raw dzi a dwie poª czoe rówolegle, a ast pie zastosowaie trasformacji gwiazda-trój t, otrzymujemy ast puj cy uªad: Z prawa mootoiczo±ci Rayleigha wyia,»e usui cie dowolej raw dzi powoduje wzrost oporu efetywego. Usu«my wi c "przeszadzaj c w obliczeiach" raw d¹, a pozostaªe dwie poª czoe szeregowo - zreduujmy.

12 Zauwa»my teraz,»e wew trz otrzymaego uªadu mo»emy dostrzec graf rozmiaru, tóry zgodie z zaªo»eiem ma opór efetywy R. Mo»emy zatem zast pi go jed raw dzi o przepustowo±ci R, co po zastosowaiu olejej reducji prowadzi as do rezultatu: R + R + 5 Poiewa» jeda zaªo»yli±my jedostowe przepustowo±ci, a aprawd raw dzie maj przepustowo±ci 4(+), to: 8( + ) R + R + 5 Rozwa»my teraz ci g ore±loy reurecyjie: Q 4 = R 4 oraz Q + = Q dla 4. Dla a»dego zachodzi wtedy Q R. Mo»emy wyzaczy bezpo±redio wzór a Q : Q = R =4, ( + ) = R ( + ) = R ( ) Pozostaje am wyzaczy R 4. Rozwa»my Z 4 ze ±rodiem i zaªó»my,»e raw dzie maj jedostowe przepustowo±ci. Z symetrii wyia,»e trzy puty maj potecjaª, wi c mo»emy usu raw dzie mi dzy imi, poiewa» ie popªyie przez ie pr d. Nast pie zauwa»amy olejo szeregowe i rówolegªe poª czeia raw dzi: = Zatem opór tego uªadu wyosi 3. Poiewa» aprawd raw dzie maj przepustowo±ci 6 (co wyia z wcze±iejszych oblicze«), to wszystie opory maj 0-rotie wi sze warto±ci, tz. R 4 = Ostateczie otrzymujemy oszacowaie z góry a czas porycia grafu: E[Cov] 7 8 ( ( )) log =

13 .4 -wymiarowa osta Rozwa»amy prosty spacer po -wymiarowej ostce, tz. {0, }. Dowoly put mo»emy uto»sami z -elemetowym ci giem zerojedyowym, a w a»dym rou z jedostajym prawdopodobie«stwem losujemy jed ze wspóªrz dych i zamieiamy 0 a lub a 0. Rysue 5: Trójwymiarowa osta Aby wyzaczy dole ograiczeie a czas porycia musimy wyzaczy max a,b V E a τ b. W tym przypadu masimum jest realizowae dla a =< 0,..., 0 > oraz b =<,..., >. Sorzystamy z twierdzeia. Do putów a i b podª czamy api cie, ta aby v(b) = 0, a przez uªad pªy ª pr d jedostowy. Musimy w tym celu obliczy opór efetywy uªadu. Poiewa» mamy do czyieia z prostym spacerem losowym, to a»da raw d¹ ma jedaow przepustowo± : C(x, y) = π(x)p (x, y). Miara stacjoara a {0, } jest jedostaja, wi c π(x) =. Poadto z a»dego putu wychodzi raw dzi, zatem P (x, y) =. St d C(x, y) =. Rozwa»my a {0, } orm x = dla x =< x,..., x >. Z symetrii wyia,»e je»eli x = y, to v(x) = v(y), poiewa» puty te maj ta sam liczb jedye a wspóªrz dych, a co za tym idzie prawdopodobie«stwo uderzeia w a przed uderzeiem w b jest dla tych putów taie samo. Mo»emy zatem uto»sami wierzchoªi o rówych ormach, reduuj c problem do spaceru po zbiorze {0,,..., }. Otrzymujemy uªad, w tórym mamy + putów z wieloma raw dziami ª cz cymi oleje poziomy. Poiewa» s to poª czeia rówolegªe mo»emy zast pi raw dzie mi dzy poziomami i jed raw dzi o przepustowo±ci b d cej sum tamtych. Na poziomie uto»samiamy ze sob ( ) wierzchoªów (jest ich tyle gdy» a tyle sposobów mo»emy rozmie±ci jedye a miejscach) i z a»dego z ich mo»emy a poziom przej± raw dziami (gdy» przej±cie a i»szy poziom ast puje po zamiaie jedyi a zero, a w a»dym pucie jest jedye). Zatem przepustowo± mi dzy poziomami i wyosi ( ). Otrzymujemy uªad poª czoy szeregowo, zatem opór efetywy uªadu wyosi: R e = = = x i ( ) Je»eli poªo»ymy v(a) = R e to przez uªad popªyie pr d o at»eiu, wi c mo»emy sorzysta z twierdzeia. W dalszym tou rozumowaia ie uto»samiamy ju» wierzchoªów o taiej samej ormie. Poiewa» miara stacjoara a {0, } jest jedostaja, to: E a τ b = x V π(x)v(x) = Zauwa»my teraz,»e z symetrii wyia,»e dla x, y {0, }, taich»e dla a»dego i zachodzi x i +y i =, mamy v(x) = v(a) v(y), czyli v(x) + v(y) = v(a). Poiewa» dla a»dego x istieje doªadie jede tai y, to wierzchoªi mo»emy dobra parami, ta aby ich potecjaªy sumowaªy si do v(a). Poiewa» wszystich wierzchoªów jest, to: E a τ b = x V x V v(x) v(x) = v(a) = R e = 3 ( ) =

14 Zatem góre ograiczeie a czas porycia ma posta : E[Cov] ( ) W sumie = ( ) pierwszy i ostati sªadi wyosz zawsze, atomiast pozostaªe sªadii s rz du lub i»szego, wi c asymptotyczie suma ta zachowuje si ja. Ostatia suma zachowuje si ja log, czyli log. Asymptotyczie zatem: E[Cov] = = ( ) = =. log Bior c A jao zbiór dwóch ajbardziej odlegªych wierzchoªów otrzymujemy te» pewe ograiczeie z doªu: E[Cov] ( ) = Jest oo jeda oczywiste, jao»e graf ma wierzchoªów..5 Krata rozmiaru Rozwa»amy prosty spacer losowy po racie ja a rysuu poi»ej. Aby zale¹ oszacowaie z góry a czas porycia, ale»y wyzaczy E a τ b, gdzie a i b s przeciwlegªymi aro»iami wadratu. Rysue 6: Krata rozmiaru 5 Poiewa» jest to prosty spacer losowy, to wszystie raw dzie maj jedaow przepustowo± - ozaczmy j przez C. Z iterpretacji probabilistyczej wyia,»e potecjaªy putów, tóre le» a jedej prostej (ja a rysuu poi»ej) s taie same, zatem mo»emy uto»sami te wierzchoªi i azwa je olejymi poziomami 0,,...,, wg rysuu. Reduujemy spacer do spaceru po zbiorze {0,..., }. Gdy zajdujemy si w daej chwili a poziomie, to w olejym rou zajdziemy si a poziomie lub + (poza przypadami brzegowymi). Aby obliczy przepustowo±ci pomi dzy olejymi poziomami, ale»y zauwa»y,»e uto»samieie 4

15 wierzchoªów powoduje»e raw dzie mi dzy poziomami tworz poª czeie rówolegªe, wi c mo»emy zsumowa ich przepustowo±ci, tz. zast pi je jed raw dzi o przepustowo±ci b d cej sum tamtych. Przepustowo± mi dzy poziomem, a wyosi dla oraz symetryczie w przypadu. Warto±ci (uormowae, tz. ie uwzgl diaj ce warto±ci C) przedstawia rysue poi»ej: Aby obliczy E a τ b, sorzystamy z twierdzeia. Musimy wyzaczy miar stacjoar oraz potecjaªy poszczególych putów gdy przez uªad pªyie pr d jedostowy. Ozaczmy miar stacjoar a poziomie przez π. Zauwa»my,»e z symetrii wyia,»e π = π. Oczywi±cie jej warto±ci speªiaj ast puj cy uªad rówa«: π 0 = +4 π π = π π π = 4 +4 π π 3... π = π π +... π = π + π + = π π π = π π + π = Z pierwszego rówaia wyia,»e π = 3π 0, ast pie z drugiego - π = 5π 0, z trzeciego - π 3 = 7π 0 itd. Wysuwamy hipotez π = ( + )π 0 dla. Sprawdzamy, czy speªioa jest rówo± : π = π π + = ( )π ( + 3)π 0 = ( + )π 0 Zatem π = (+)π 0 dla. Natomiast π = π 0. Pozostaje wyliczy warto± π 0 z ostatiego rówaia: = [π ] π = [( + )π 0 ] π 0 S d: π 0 = ( =0 ( [ + ] ) = + =0 Mo»emy teraz wyzaczy warto± C: =0 ) = =0 C = π 0 P (0, ) = π 0 = ( + 4 ( + + ) ) ( ) = ( + + ) W celu wyzaczeia oporu efetywego zauwa»my,»e raw dzie tworz uªad szeregowy. Wtedy: R e = = C = C = log Aby wyzaczy E a τ b podª czamy api cie do putów a i b, ta»e v(b) = 0, a v(a) = R e - wtedy przez uªad pªyie pr d jedostowy i mo»emy sorzysta z twierdzeia. Zauwa»my ajpierw,»e z symetrii wyia,»e v() = oraz»e dla mamy v() = v(a) v( ), zatem: E a τ z = =0 π()v() = π()v() + π()v() + 5 =0 =+ π()v() =

16 = π()v()+ =0 π()v() + =0 =0 π( )v( ) = π()v() + =0 =0 π()v() + =0 π()[v(a) v()] = = π()v() + π()v(a) = π 0 + v(a)π 0 [ + ] = π 0 + v(a)π 0 = + R e ( + + ) Ostateczie ograiczeie z góry a czas porycia grafu ma posta : E[Cov] + R e ( + + ) + log ( log ( log ) + + ) = Z drugiej stroy atomiast, poiewa» graf ma wierzchoªów, to:. E[Cov] 6

17 Bibliograa. R. Lyos, Y. Peres, Probability o trees ad etwors, wyd. z 7 lipca 00r.. P. Doyle, J. Sell, Radom wals ad electric etwors, wyd. z 5 lipca 006r. 3. D. Buraczewsi, P.Dyszewsi Spacery losowe, D. Levi, Y. Peres, E. Wilmer, Marov Chais ad Mixig Times, 009 7

Marek Be±ka, Statystyka matematyczna, wykªad Wykªadnicze rodziny rozkªadów prawdopodobie«stwa

Marek Be±ka, Statystyka matematyczna, wykªad Wykªadnicze rodziny rozkªadów prawdopodobie«stwa Mare Be±a, Statystya matematycza, wyªad 3 38 3 Statystyi zupeªe 3. Wyªadicze rodziy rozªadów prawdopodobie«stwa Zacziemy od deicji Deicja 3. Rodzi rozªadów {µ θ } θ Θ azywamy wyªadicz rodzi rozªadów -

Bardziej szczegółowo

Repetytorium z Matematyki Elementarnej Wersja Olimpijska

Repetytorium z Matematyki Elementarnej Wersja Olimpijska Repetytorium z Matematyi Elemetarej Wersja Olimpijsa Podae tutaj zadaia rozwiązywae były w jedej z grup ćwiczeiowych Są w więszości ieco trudiejsze od pozostałych zadań przygotowaych w ramach przedmiotu

Bardziej szczegółowo

Wykªad 05 (granice c.d., przykªady) Rozpoczniemy od podania kilku przykªadów obliczania granic ci gów. n an = + dla a > 1. (5.1) lim.

Wykªad 05 (granice c.d., przykªady) Rozpoczniemy od podania kilku przykªadów obliczania granic ci gów. n an = + dla a > 1. (5.1) lim. Wykªad 05 graice cd, przykªady Rozpocziemy od podaia kilku przykªadów obliczaia graic ci gów Niech a > Ozaczmy a = c > 0 Mamy Poiewa» c = +, wi c tak»e a = + c + c c a = + dla a > 5 Poadto, zauwa»amy,»e

Bardziej szczegółowo

Metoda najszybszego spadku

Metoda najszybszego spadku Metody Gradietowe W tym rozdziale bdziemy rozwaa metody poszuiwaia dla fucji z przestrzei R o wartociach rzeczywistych Metody te wyorzystuj radiet fucji ja rówie wartoci fucji Przypomijmy, czym jest zbiór

Bardziej szczegółowo

szereg jest szeregiem o wyrazach nieujemnych. Ponadto dla α (0; π ) zachodzi nierówno± sinα < α,

szereg jest szeregiem o wyrazach nieujemnych. Ponadto dla α (0; π ) zachodzi nierówno± sinα < α, .. si Poiewa» si < 1; 1 >, wi c zbadajmy szereg zªo»oy z warto±ci bezwzgl dych wyrazów szeregu daego w zadaiu: () si = si, ale si < 0; 1 > Zatem si 1 () Po prawej stroie powy»szej ierówo±ci mamy szereg

Bardziej szczegółowo

> 1), wi c na mocy kryterium porównawczego szereg sin(n n)

> 1), wi c na mocy kryterium porównawczego szereg sin(n n) .65. si() W szeregu tym wyst puj wyrazy dodatie i ujeme, ale ie a przemia. Zbadajmy wi c szereg: si() zªo»oy z warto±ci bezwzgl dych wyrazów szeregu daego w zadaiu. Poiewa» si(), wi c si() = Po prawej

Bardziej szczegółowo

Zbiory. Zadanie 5. Wykaza to»samo±ci (a) A (B \ C) = [(A B) \ C] (A C), (b) A \ [B \ (C \ D)] = (A \ B) [(A C) \ D],

Zbiory. Zadanie 5. Wykaza to»samo±ci (a) A (B \ C) = [(A B) \ C] (A C), (b) A \ [B \ (C \ D)] = (A \ B) [(A C) \ D], x FAQ ANALIZA R c ZADANIA Zbiory Zadaie 1. Opisa zbiory A B, A B, A \ B, B \ A je±li A = {x R : x 3x < 0, }; B = {x R : x 3x + 4 0} Zadaie. Niech A, B, C, D b d podzbiorami przestrzei X. Udowodi,»e A \

Bardziej szczegółowo

wi c warunek konieczny zbie»no±ci szeregu jest speªniony. 12 = 9 12 = 3 4 k(k+1) k=1 ( k+1 k(k+1) n+1 = 1 1 n+1 = 1 0 = 1 36 = =

wi c warunek konieczny zbie»no±ci szeregu jest speªniony. 12 = 9 12 = 3 4 k(k+1) k=1 ( k+1 k(k+1) n+1 = 1 1 n+1 = 1 0 = 1 36 = = 32 (+) Jest to szereg o wyrazach dodatich Poadto wyraz ogóly tego szeregu jest zbie»y do 0, wi c waruek koieczy zbie»o±ci szeregu jest speªioy s (+) 2 s 2 s + 2 (2+) 2 + 2 3 2 + 6 3 6 + 6 4 6 2 3 s 3 s

Bardziej szczegółowo

Tw. 1. Je»eli ci g {a n } ma granic a i ci g {b n } ma granic b, to ci g {a n b n } ma granic a b. Tw. 2. b n. Tw. 3. Tw. 4.

Tw. 1. Je»eli ci g {a n } ma granic a i ci g {b n } ma granic b, to ci g {a n b n } ma granic a b. Tw. 2. b n. Tw. 3. Tw. 4. Tw.. Je»eli ci g {a } ma graic a i ci g {b } ma graic b, to ci g {a + b } ma graic a+b. Tw.. Je»eli ci g {a } ma graic a i ci g {b } ma graic b, to ci g {a b } ma graic a-b. Tw.. Je»eli ci g {a } ma graic

Bardziej szczegółowo

RAP pa¹dziernika S n = S 0 + i=1. p r q l = p r q l r. N n(a,b)

RAP pa¹dziernika S n = S 0 + i=1. p r q l = p r q l r. N n(a,b) RAP 4 5 pa¹dzierika 008 Wykªad : PSL metoda zliczaia ±cie»ek Wykªadowca: Adrzej Ruci«ski Pisarz:Bartosz Naskr cki i Marek Kaluba Wst p B dziemy dalej studiowa zachowaia osobika, którego gr zajmowali±my

Bardziej szczegółowo

Analiza matematyczna 1 Notatki do wykªadu Mateusz Kwa±nicki. 7 Sumy i iloczyny uogólnione

Analiza matematyczna 1 Notatki do wykªadu Mateusz Kwa±nicki. 7 Sumy i iloczyny uogólnione Aaliza matematycza Notatki do wykªadu Mateusz Kwa±icki 7 Sumy i iloczyy uogólioe Dla dowolych liczb a k, a k+, a k+,..., a l okre±lamy sum uogólio i iloczy uogólioy: a k + a k+ + a k+ +... + a l, l a k

Bardziej szczegółowo

Matematyka dyskretna dla informatyków

Matematyka dyskretna dla informatyków Matematya dysreta dla iformatyów Cz ± I: Elemety ombiatoryi Jerzy Jaworsi Zbigiew Pala Jerzy Szyma«si Uiwersytet im Adama Miciewicza Poza«2007 3 Schematy wyboru i tożsamości ombiatorycze 31 Wariacje z

Bardziej szczegółowo

Analiza I.1, zima wzorcowe rozwiązania

Analiza I.1, zima wzorcowe rozwiązania Aaliza I., zima 07 - wzorcowe rozwiązaia Marci Kotowsi 5 listopada 07 Zadaie. Udowodij, że dla ażdego aturalego liczba 7 + dzieli się przez 6. Dowód. Tezę udowodimy za pomocą iducji matematyczej. Najpierw

Bardziej szczegółowo

f '. Funkcja h jest ciągła. Załóżmy, że ciąg (z n ) n 0, z n+1 = h(z n ) jest dobrze określony, tzn. n 0 f ' ( z n

f '. Funkcja h jest ciągła. Załóżmy, że ciąg (z n ) n 0, z n+1 = h(z n ) jest dobrze określony, tzn. n 0 f ' ( z n Metoda Newtoa i rówaie z = 1 Załóżmy, że fucja f :C C ma ciągłą pochodą. Dla (prawie) ażdej liczby zespoloej z 0 tworzymy ciąg (1) (z ) 0, z 1 = z f ( z ), ciąg te f ' (z ) będziemy azywać orbitą liczby

Bardziej szczegółowo

Czas trwania obligacji (duration)

Czas trwania obligacji (duration) Czas rwaia obligacji (duraio) Do aalizy ryzyka wyikającego ze zmia sóp proceowych (szczególie ryzyka zmiay cey) wykorzysuje się pojęcie zw. średiego ermiu wykupu obligacji, zwaego rówież czasem rwaia obligacji

Bardziej szczegółowo

Wykład 7. Przestrzenie metryczne zwarte. x jest ciągiem Cauchy ego i posiada podciąg zbieżny. Na mocy

Wykład 7. Przestrzenie metryczne zwarte. x jest ciągiem Cauchy ego i posiada podciąg zbieżny. Na mocy Wyład 7 Przestrzeie metrycze zwarte Defiicja 8 (przestrzei zwartej i zbioru zwartego Przestrzeń metryczą ( ρ X azywamy zwartą jeśli ażdy ciąg elemetów tej przestrzei posiada podciąg zbieży (do putu tej

Bardziej szczegółowo

tek zauważmy, że podobnie jak w dziedzinie rzeczywistej wprowadzamy dla funkcji zespolonych zmiennej rzeczywistej pochodne wyższych rze

tek zauważmy, że podobnie jak w dziedzinie rzeczywistej wprowadzamy dla funkcji zespolonych zmiennej rzeczywistej pochodne wyższych rze R o z d z i a l III RÓWNANIA RÓŻNICZKOWE LINIOWE WYŻSZYCH RZE DÓW 12. Rówaie różiczowe liiowe -tego rze du Na pocza te zauważmy, że podobie ja w dziedziie rzeczywistej wprowadzamy dla fucji zespoloych

Bardziej szczegółowo

Ekstremalna teoria grafów Filip Lurka V Liceum ogólnoksztaªc ce w Krakowie

Ekstremalna teoria grafów Filip Lurka V Liceum ogólnoksztaªc ce w Krakowie Ekstremala teoria grafów Filip Lurka V Liceum ogóloksztaªc ce w Krakowie 1 Ekstremala Teoria Grafów 1 Ekstremala Teoria Grafów Filip Lurka 1.1 Teoria Deicja 1.1 Klik azywamy graf peªy; ka»de dwa wierzchoªki

Bardziej szczegółowo

Funkcje tworz ce skrypt do zada«

Funkcje tworz ce skrypt do zada« Fukcje tworz ce skrypt do zada«mateusz Rapicki, Piotr Suwara 20 maja 2012 1 Kombiatoryka Deicja 1 (dwumia Newtoa) dla liczb caªkowitych ieujemych, k to liczba k sposobów wybraia k elemetów z -elemetowego

Bardziej szczegółowo

Analiza matematyczna i algebra liniowa

Analiza matematyczna i algebra liniowa Aaliza matematycza i algebra liiowa Materiały pomocicze dla studetów do wyładów Rachue różiczowy ucji wielu zmieych. Pochode cząstowe i ich iterpretacja eoomicza. Estrema loale. Metoda ajmiejszych wadratów.

Bardziej szczegółowo

Wykªad 2. Szeregi liczbowe.

Wykªad 2. Szeregi liczbowe. Wykªad jest prowadzoy w oparciu o podr czik Aaliza matematycza 2. Deicje, twierdzeia, wzory M. Gewerta i Z. Skoczylasa. Wykªad 2. Szeregi liczbowe. Deicje i podstawowe twierdzeia Deicja Szeregiem liczbowym

Bardziej szczegółowo

O liczbach naturalnych, których suma równa się iloczynowi

O liczbach naturalnych, których suma równa się iloczynowi O liczbach aturalych, których suma rówa się iloczyowi Lew Kurladczyk i Adrzej Nowicki Toruń UMK, 10 listopada 1998 r. Liczby aturale 1, 2, 3 posiadają szczególą własość. Ich suma rówa się iloczyowi: Podobą

Bardziej szczegółowo

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek Zajdowaie pozostałych pierwiastków liczby zespoloej, gdy zay jest jede pierwiastek 1 Wprowadzeie Okazuje się, że gdy zamy jede z pierwiastków stopia z liczby zespoloej z, to pozostałe pierwiastki możemy

Bardziej szczegółowo

A.1. Asymptotyka bez notacji asymptotycznej. Przykªad A.1. Zbada zachowanie asymptotyczne liczb Fibonacciego. Pokaza,»e. F n = round ( 1 5 Φ n )

A.1. Asymptotyka bez notacji asymptotycznej. Przykªad A.1. Zbada zachowanie asymptotyczne liczb Fibonacciego. Pokaza,»e. F n = round ( 1 5 Φ n ) A Notacjaasymptotycza Badaj c du»e obiekty kombiatorycze cz sto ie jest koiecze pozaie dokªadej warto±ci okre±loej wielko±ci (szczególie gdy wzór dokªady jest skomplikoway), a jedyie jej warto± przybli»o,

Bardziej szczegółowo

Rozkład normalny (Gaussa)

Rozkład normalny (Gaussa) Rozład ormaly (Gaussa) Wyprowadzeie rozładu Gaussa w modelu Laplace a błędów pomiarowych. Rozważmy pomiar wielości m, tóry jest zaburzay przez losowych efetów o wielości e ażdy, zarówo zaiżających ja i

Bardziej szczegółowo

Podstawy matematyki nansowej

Podstawy matematyki nansowej Podstawy matematyki asowej Omówimy tutaj odstawowe oj cia matematyki asowej. Jest to dobre miejsce, gdy» zagadieia te wi» si z ci gami, w szczególo±ci z ci giem arytmetyczym i geometryczym. Omówimy zagadieie

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17 Egzami, 18.02.2017, godz. 9:00-11:30 Zadaie 1. (22 pukty) W każdym z zadań 1.1-1.10 podaj w postaci uproszczoej kresy zbioru oraz apisz, czy kresy ależą do zbioru (apisz TAK albo NIE, ewetualie T albo

Bardziej szczegółowo

Równoliczno zbiorów. Definicja 3.1 Powiemy, e niepuste zbiory A i B s równoliczne jeeli istnieje. Piszemy wówczas A~B. Przyjmujemy dodatkowo, e ~.

Równoliczno zbiorów. Definicja 3.1 Powiemy, e niepuste zbiory A i B s równoliczne jeeli istnieje. Piszemy wówczas A~B. Przyjmujemy dodatkowo, e ~. 16 Rówoliczo zbiorów Defiicja 3.1 Powiemy, e iepuste zbiory A i B s rówolicze jeeli istieje f : A B. Piszemy wówczas A~B. Przyjmujemy dodatkowo, e ~. Twierdzeie 3.1 (podstawowa właso rówoliczoci zbiorów)

Bardziej szczegółowo

Metody dowodzenia twierdze«

Metody dowodzenia twierdze« Metody dowodzenia twierdze«1 Metoda indukcji matematycznej Je±li T (n) jest form zdaniow okre±lon w zbiorze liczb naturalnych, to prawdziwe jest zdanie (T (0) n N (T (n) T (n + 1))) n N T (n). 2 W przypadku

Bardziej szczegółowo

Prace domowe z matematyki Semestr zimowy 2010/2011. Zoa Zieli«ska-Kolasi«ska

Prace domowe z matematyki Semestr zimowy 2010/2011. Zoa Zieli«ska-Kolasi«ska Prace domowe z matematyki Semestr zimowy 2010/2011 Zoa Zieli«ska-Kolasi«ska 5 pa¹dzierika 2010 Rozdziaª 0 Uwagi Prace domowe ie s obowi zkowe aczkolwiek zach cam gor co do ich robieia i oddawaia mi a kartkach.

Bardziej szczegółowo

Ciągi liczbowe wykład 3

Ciągi liczbowe wykład 3 Ciągi liczbowe wykład 3 dr Mariusz Grządziel semestr zimowy, r akad 204/205 Defiicja ciągu liczbowego) Ciagiem liczbowym azywamy fukcję odwzorowuja- ca zbiór liczb aturalych w zbiór liczb rzeczywistych

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz

Bardziej szczegółowo

Analiza algorytmów to dział informatyki zajmujcy si szukaniem najefektywniejszych, poprawnych algorytmów dla danych problemów komputerowych

Analiza algorytmów to dział informatyki zajmujcy si szukaniem najefektywniejszych, poprawnych algorytmów dla danych problemów komputerowych Temat: Poprawo całkowita i czciowa algorytmu. Złooo obliczeiowa algorytmu. Złooo czasowa redia i pesymistycza. Rzd fukcji. I. Literatura 1. L. Baachowski, K. Diks, W. Rytter Algorytmy i struktury daych.

Bardziej szczegółowo

Niezbyt formalny i niezbyt intuicyjny wst p do algebry abstrakcyjnej

Niezbyt formalny i niezbyt intuicyjny wst p do algebry abstrakcyjnej Niezbyt formalny i niezbyt intuicyjny wst p do algebry abstracyjnej 1. Nawiasami [[]] oznacza b d omentarze. 2. Denicja 0.1 Grup z [[jaim± abstracyjnym]] dziaªaniem nazywamy zbiór G speªniaj cy waruni

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2014/15. n 4n n 1

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2014/15. n 4n n 1 30. Obliczyć wartość graicy ( 0 ( ( ( 4 +1 + 1 4 +3 + 4 +9 + 3 4 +7 +...+ 1 4 +3 + 1 ( ( 4 +3. Rozwiązaie: Ozaczmy sumę występującą pod zakiem graicy przez b. Zamierzamy skorzystać z twierdzeia o trzech

Bardziej szczegółowo

2 Podstawowe obiekty kombinatoryczne

2 Podstawowe obiekty kombinatoryczne 2 Podstawowe obiety ombinatoryczne Oznaczenia: N {0, 1, 2,... } zbiór liczb naturalnych. Dla n N przyjmujemy [n] {1, 2,..., n}. W szczególno±ci [0] jest zbiorem pustym. Je±li A jest zbiorem so«czonym,

Bardziej szczegółowo

Dwumian Newtona. Agnieszka Dąbrowska i Maciej Nieszporski 8 stycznia 2011

Dwumian Newtona. Agnieszka Dąbrowska i Maciej Nieszporski 8 stycznia 2011 Dwumia Newtoa Agiesza Dąbrowsa i Maciej Nieszporsi 8 styczia Wstęp Wzory srócoego możeia, tóre pozaliśmy w gimazjum (x + y x + y (x + y x + xy + y (x + y 3 x 3 + 3x y + 3xy + y 3 x 3 + y 3 + 3xy(x + y

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

lim a n Cigi liczbowe i ich granice

lim a n Cigi liczbowe i ich granice Cigi liczbowe i ich graice Cigiem ieskoczoym azywamy dowol fukcj rzeczywist okrelo a zbiorze liczb aturalych. Dla wygody zapisu, zamiast a() bdziemy pisa a. Elemet a azywamy -tym wyrazem cigu. Cig (a )

Bardziej szczegółowo

Konkurs Uczniowskich Prac z Matematyki. Urok zbioru µ. Michaª Mi±kiewicz. Opiekun pracy: dr Jerzy Bednarczuk

Konkurs Uczniowskich Prac z Matematyki. Urok zbioru µ. Michaª Mi±kiewicz. Opiekun pracy: dr Jerzy Bednarczuk Kokurs Ucziowskich Prac z Matematyki Urok zbioru µ Michaª Mi±kiewicz Opieku pracy: dr Jerzy Bedarczuk Warszawa 010 Streszczeie Tematem mojej pracy s pukty takie,»e suma kwadratów odlegªo±ci puktów z wcze±iej

Bardziej szczegółowo

ANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15

ANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15 ANALIZA NUMERYCZNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Metoda Eulera 3 1.1 zagadnienia brzegowe....................... 3 1.2 Zastosowanie ró»niczki...................... 4 1.3 Output do pliku

Bardziej szczegółowo

APROKSYMACJA I INTERPOLACJA. funkcja f jest zbyt skomplikowana; użycie f w dalszej analizie problemu jest trudne

APROKSYMACJA I INTERPOLACJA. funkcja f jest zbyt skomplikowana; użycie f w dalszej analizie problemu jest trudne APROKSYMACJA I INTERPOLACJA Przybliżeie fucji f(x) przez ią fucję g(x) fucja f jest zbyt sompliowaa; użycie f w dalszej aalizie problemu jest trude fucja f jest zaa tylo tabelaryczie; wymagaa jest zajomość

Bardziej szczegółowo

zadań z pierwszej klasówki, 10 listopada 2016 r. zestaw A 2a n 9 = 3(a n 2) 2a n 9 = 3 (a n ) jest i ograniczony. Jest wiec a n 12 2a n 9 = g 12

zadań z pierwszej klasówki, 10 listopada 2016 r. zestaw A 2a n 9 = 3(a n 2) 2a n 9 = 3 (a n ) jest i ograniczony. Jest wiec a n 12 2a n 9 = g 12 Rozwiazaia zadań z pierwszej klasówki, 0 listopada 06 r zestaw A Ciag a ) jest zaday rekuryjie: a a, a + a a 9, a R, a

Bardziej szczegółowo

Twierdzenia o funkcjach ciągłych

Twierdzenia o funkcjach ciągłych Automatya i Robotya Aaliza Wyład 5 dr Adam Ćmiel cmiel@aghedupl Twierdzeia o ucjach ciągłych Tw (Weierstrassa Jeżeli ucja : R [ R jest ciągła a [, to ograiczoa i : ( sup ( i ( i ( [, Dowód Ograiczoość

Bardziej szczegółowo

KLUCZ ODPOWIEDZI I ZASADY PUNKTOWANIA PRÓBNEGO EGZAMINU MATURALNEGO Z MATEMATYKI POZIOM PODSTAWOWY

KLUCZ ODPOWIEDZI I ZASADY PUNKTOWANIA PRÓBNEGO EGZAMINU MATURALNEGO Z MATEMATYKI POZIOM PODSTAWOWY KLUCZ ODPOWIEDZI I ZASADY PUNKTOWANIA PRÓBNEGO EGZAMINU MATURALNEGO Z MATEMATYKI POZIOM PODSTAWOWY Nr zadaia Odpowiedzi Pukty Badae umiejtoci Obszar stadardu 1. B 0 1 plauje i wykouje obliczeia a liczbach

Bardziej szczegółowo

Analiza Matematyczna I.1

Analiza Matematyczna I.1 Aalza Matematycza I. Sera, Potr Nayar Zadae. Nech a k >, k =,..., b d lczbam rzeczywstym o tym samym zaku. Udowodj,»e prawdzwa jest erówo± + a + a... + a + a + a +... + a. Czy zaªo»ee,»e lczby a k maj

Bardziej szczegółowo

UKŁADY RÓWNAŃ LINOWYCH

UKŁADY RÓWNAŃ LINOWYCH Ekoeergetyka Matematyka. Wykład 4. UKŁADY RÓWNAŃ LINOWYCH Defiicja (Układ rówań liiowych, rozwiązaie układu rówań) Układem m rówań liiowych z iewiadomymi,,,, gdzie m, azywamy układ rówań postaci: a a a

Bardziej szczegółowo

Wykład 11. a, b G a b = b a,

Wykład 11. a, b G a b = b a, Wykład 11 Grupy Grupą azywamy strukturę algebraiczą złożoą z iepustego zbioru G i działaia biarego które spełia własości: (i) Działaie jest łącze czyli a b c G a (b c) = (a b) c. (ii) Działaie posiada

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi.

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi. Jarosław Wróblewski Aaliza Matematycza 1A, zima 2012/13 Ciągi. Ćwiczeia 5.11.2012: zad. 140-173 Kolokwium r 5, 6.11.2012: materiał z zad. 1-173 Ćwiczeia 12.11.2012: zad. 174-190 13.11.2012: zajęcia czwartkowe

Bardziej szczegółowo

LICZBY, RÓWNANIA, NIERÓWNOŚCI; DOWÓD INDUKCYJNY

LICZBY, RÓWNANIA, NIERÓWNOŚCI; DOWÓD INDUKCYJNY LICZBY, RÓWNANIA, NIERÓWNOŚCI; DOWÓD INDUKCYJNY Zgodie z dążeiami filozofii pitagorejsiej matematyzacja abstracyjego myśleia powia być dooywaa przy pomocy liczb. Soro ta, to liczby ależy tworzyć w miarę

Bardziej szczegółowo

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi. 3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy

Bardziej szczegółowo

Elementy geometrii w przestrzeni R 3

Elementy geometrii w przestrzeni R 3 Elementy geometrii w przestrzeni R 3 Z.Šagodowski Politechnika Lubelska 29 maja 2016 Podstawowe denicje Wektorem nazywamy uporz dkowan par punktów (A,B) z których pierwszy nazywa si pocz tkiem a drugi

Bardziej szczegółowo

a 1, a 2, a 3,..., a n,...

a 1, a 2, a 3,..., a n,... III. Ciągi liczbowe. 1. Defiicja ciągu liczbowego. Defiicja 1.1. Ciągiem liczbowym azywamy fukcję a : N R odwzorowującą zbiór liczb aturalych N w zbiór liczb rzeczywistych R i ozaczamy przez { }. Używamy

Bardziej szczegółowo

Estymacja przedziałowa

Estymacja przedziałowa Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

Tw: (O promieniu zbieżności R szeregu potęgowego ) Jeżeli istnieje granica. to R = ) ciąg liczb zespolonych

Tw: (O promieniu zbieżności R szeregu potęgowego ) Jeżeli istnieje granica. to R = ) ciąg liczb zespolonych Automatya i Rootya Aaliza Wyład dr Adam Ćmil cmil@agh.du.pl SZEREGI POTĘGOWE ( c ciąg licz zspoloych c ( z z - szrg potęgowy, gdzi ( c - ciąg współczyiów szrgu, z C - środ, ctrum (ustalo, z C - zmia. Dla

Bardziej szczegółowo

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzeie macierzowe Defiicja: Zakresem macierzy AŒ mâ azywamy podprzestrzeń R(A) przestrzei m geerowaą przez zakres fukcji ( ) : m f x = Ax ( A) { Ax x } = Defiicja: Zakresem macierzy A Œ âm azywamy

Bardziej szczegółowo

Kolorowanie Dywanu Sierpińskiego. Andrzej Szablewski, Radosław Peszkowski

Kolorowanie Dywanu Sierpińskiego. Andrzej Szablewski, Radosław Peszkowski olorowaie Dywau ierpińskiego Adrzej zablewski, Radosław Peszkowski pis treści stęp... Problem kolorowaia... Róże rodzaje kwadratów... osekwecja atury fraktalej...6 zory rekurecyje... Przekształcaie rekurecji...

Bardziej szczegółowo

Wyk lad 8 Zasadnicze twierdzenie algebry. Poj. ecie pierścienia

Wyk lad 8 Zasadnicze twierdzenie algebry. Poj. ecie pierścienia Wy lad 8 Zasadicze twierdzeie algebry. Poj ecie pierścieia 1 Zasadicze twierdzeie algebry i jego dowód Defiicja 8.1. f: C C postaci Wielomiaem o wspó lczyiach zespoloych azywamy fucj e f(x) = a x + a 1

Bardziej szczegółowo

40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40.

40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40. Portfele polis Poieważ składka jest ustalaa jako wartość oczekiwaa rzeczywistego, losowego kosztu ubezpieczeia, więc jest tym bliższa średiej wydatków im większa jest liczba ubezpieczoych Polisy grupuje

Bardziej szczegółowo

Wykład 6. Przestrzenie metryczne ośrodkowe i zupełne. ρ, gdzie r

Wykład 6. Przestrzenie metryczne ośrodkowe i zupełne. ρ, gdzie r Wyład 6 Przestrzeie etrycze ośrodowe i zupełe. Przypoiay, że zbiór azyway przeliczaly, jeśli jest o rówoliczy ze zbiore wszystich liczb aturalych N, a co ajwyżej przeliczaly, jeśli jest o przeliczaly lub

Bardziej szczegółowo

GEOMETRIA I UŠAMKI PIOTR NIADY

GEOMETRIA I UŠAMKI PIOTR NIADY GEOMETRIA I UŠAMKI PIOTR NIADY Alicja raz czy dwa zajrzaªa do ksi»ki czytaej przez siostr, ale ie byªo tam ai ilustracji, ai kowersacji. A jaki mo»e by po»ytek z ksi»kipomy±laªa Alicjaw której ie ma ai

Bardziej szczegółowo

FAQ ANALIZA R c ZADANIA

FAQ ANALIZA R c ZADANIA FAQ ANALIZA R c ZADANIA Caªki wersja wst pa uwaga a bª dy!!! Fukcje pierwote Zadaie. Rozgrzewka. Obliczy caªki ieozaczoe, tz zale¹ fukcje pierwote. W awiasach wymieioe s arz dzia jakie mog by potrzebe

Bardziej szczegółowo

Wyższe momenty zmiennej losowej

Wyższe momenty zmiennej losowej Wyższe momety zmieej losowej Deiicja: Mometem m rzędu azywamy wartość oczeiwaą ucji h( dla dysretej zm. losowej oraz ucji h( dla ciągłej zm. losowej: m E P m E ( d Deiicja: Mometem cetralym µ rzędu dla

Bardziej szczegółowo

Zadania z algebry liniowej - sem. I Liczby zespolone

Zadania z algebry liniowej - sem. I Liczby zespolone Zadaia z algebry liiowej - sem. I Liczby zespoloe Defiicja 1. Parę uporządkowaą liczb rzeczywistych x, y azywamy liczbą zespoloą i ozaczamy z = x, y. Zbiór wszystkich liczb zespoloych ozaczamy przez C

Bardziej szczegółowo

n k n k ( ) k ) P r s r s m n m n r s r s x y x y M. Przybycień Rachunek prawdopodobieństwa i statystyka

n k n k ( ) k ) P r s r s m n m n r s r s x y x y M. Przybycień Rachunek prawdopodobieństwa i statystyka Wyższe momety zmieej losowej Deiicja: Mometem m rzędu azywamy wartość oczeiwaą ucji h() dla dysretej zm. losowej oraz ucji h() dla ciągłej zm. losowej: m E P m E ( ) d Deiicja: Mometem cetralym µ rzędu

Bardziej szczegółowo

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11 RÓWNANIA RÓŻNICZKOWE WYKŁAD Szeregi potęgowe Defiicja Fukcja y = f () jest klasy C jeżeli jest -krotie różiczkowala i jej -ta pochoda jest fukcją ciągłą. Defiicja Fukcja y = f () jest klasy C, jeżeli jest

Bardziej szczegółowo

Rozdział 6. Pakowanie plecaka. 6.1 Postawienie problemu

Rozdział 6. Pakowanie plecaka. 6.1 Postawienie problemu Rozdział 6 Pakowanie plecaka 6.1 Postawienie problemu Jak zauważyliśmy, szyfry oparte na rachunku macierzowym nie są przerażająco trudne do złamania. Zdecydowanie trudniejszy jest kryptosystem oparty na

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

EKONOMETRIA. Temat wykładu: Co to jest model ekonometryczny? Dobór zmiennych objaśniających w modelu ekonometrycznym CZYM ZAJMUJE SIĘ EKONOMETRIA?

EKONOMETRIA. Temat wykładu: Co to jest model ekonometryczny? Dobór zmiennych objaśniających w modelu ekonometrycznym CZYM ZAJMUJE SIĘ EKONOMETRIA? EKONOMETRIA Temat wykładu: Co to jest model ekoometryczy? Dobór zmieych objaśiających w modelu ekoometryczym Prowadzący: dr iż. Zbigiew TARAPATA e-mail: Zbigiew.Tarapata Tarapata@isi.wat..wat.edu.pl http://

Bardziej szczegółowo

Zajęcia nr. 2 notatki

Zajęcia nr. 2 notatki Zajęcia r otati wietia 5 Wzory srócoego możeia W rozdziale tym podamy ila wzorów tóre ułatwiają obliczaie wielu zadań rachuowych Fat (wzory srócoego możeia) Dla dowolych liczb rzeczywistych a, b zachodzi:

Bardziej szczegółowo

Wykład 8: Zmienne losowe dyskretne. Rozkłady Bernoulliego (dwumianowy), Pascala, Poissona. Przybliżenie Poissona rozkładu dwumianowego.

Wykład 8: Zmienne losowe dyskretne. Rozkłady Bernoulliego (dwumianowy), Pascala, Poissona. Przybliżenie Poissona rozkładu dwumianowego. Rachue rawdoodobieństwa MAP064 Wydział Eletroii, ro aad. 008/09, sem. leti Wyładowca: dr hab. A. Jurlewicz Wyład 8: Zmiee losowe dysrete. Rozłady Beroulliego (dwumiaowy), Pascala, Poissoa. Przybliżeie

Bardziej szczegółowo

Funkcje tworz ce - du»y skrypt

Funkcje tworz ce - du»y skrypt Fukcje tworz ce - du»y skrypt Mateusz Rapicki, Piotr Suwara 9 sierpia 202 Kombiatoryka ( ) Deicja (dwumia Newtoa). k dla liczb caªkowitych ieujemych, k to liczba sposobów wybraia k elemetów z -elemetowego

Bardziej szczegółowo

Analiza Matematyczna I.1

Analiza Matematyczna I.1 Aaliza Matematycza I Seria, P Nayar, 0/3 Zadaie Niech a k >, (k =,, b d liczbami rzeczywistymi o tym samym zaku Udowodij,»e prawdziwa jest ierówo± ( + a ( + a ( + a + a + a + + a Czy zaªo»eie,»e liczby

Bardziej szczegółowo

Zad. 1 Zad. 2 Zad. 3 Zad. 4 Zad. 5 SUMA. W obu podpunktach zakªadamy,»e kolejno± ta«ców jest wa»na.

Zad. 1 Zad. 2 Zad. 3 Zad. 4 Zad. 5 SUMA. W obu podpunktach zakªadamy,»e kolejno± ta«ców jest wa»na. Zad. 1 Zad. 2 Zad. 3 Zad. 4 Zad. 5 SUMA Zadanko 1 (12p.) Na imprezie w Noc Kupaªy s 44 dziewczyny. Nosz one 11 ró»nych imion, a dla ka»dego imienia s dokªadnie 4 dziewczyny o tym imieniu przy czym ka»da

Bardziej szczegółowo

MACIERZE STOCHASTYCZNE

MACIERZE STOCHASTYCZNE MACIERZE STOCHASTYCZNE p ij - prawdopodobieństwo przejścia od stau i do stau j w jedym (dowolym) kroku, [p ij ]- macierz prawdopodobieństw przejść (w jedym kroku), Własości macierzy prawdopodobieństw przejść:

Bardziej szczegółowo

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzeie macierzowe Defiicja: Zakresem macierzy AŒ mâ azywamy podprzestrzeń R(A) przestrzei m geerowaą przez zakres fukcji : m f x = Ax RAAx x Defiicja: Zakresem macierzy A Œ âm azywamy podprzestrzeń

Bardziej szczegółowo

WST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14

WST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14 WST P DO TEORII INFORMACJI I KODOWANIA Grzegorz Szkibiel Wiosna 203/4 Spis tre±ci Kodowanie i dekodowanie 4. Kodowanie a szyfrowanie..................... 4.2 Podstawowe poj cia........................

Bardziej szczegółowo

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y Zadaie. Łącza wartość szkód z pewego ubezpieczeia W = Y + Y +... + YN ma rozkład złożoy Poissoa z oczekiwaą liczbą szkód rówą λ i rozkładem wartości pojedyczej szkody takim, że ( Y { 0,,,3,... }) =. Niech:

Bardziej szczegółowo

PRAWA ZACHOWANIA. Podstawowe terminy. Cia a tworz ce uk ad mechaniczny oddzia ywuj mi dzy sob i z cia ami nie nale cymi do uk adu za pomoc

PRAWA ZACHOWANIA. Podstawowe terminy. Cia a tworz ce uk ad mechaniczny oddzia ywuj mi dzy sob i z cia ami nie nale cymi do uk adu za pomoc PRAWA ZACHOWANIA Podstawowe terminy Cia a tworz ce uk ad mechaniczny oddzia ywuj mi dzy sob i z cia ami nie nale cymi do uk adu za pomoc a) si wewn trznych - si dzia aj cych na dane cia o ze strony innych

Bardziej szczegółowo

KOMBINATORYKA. Oznaczenia. } oznacza zbiór o elementach a, a2,..., an. Kolejność wypisania elementów zbioru nie odgrywa roli.

KOMBINATORYKA. Oznaczenia. } oznacza zbiór o elementach a, a2,..., an. Kolejność wypisania elementów zbioru nie odgrywa roli. KOMBINATORYKA Kombiatoryą azywamy dział matematyi zajmujący się zbiorami sończoymi oraz relacjami między imi. Kombiatorya w szczególości zajmuje się wyzaczaiem liczby elemetów zbiorów sończoych utworzoych

Bardziej szczegółowo

Parametryzacja rozwiązań układu równań

Parametryzacja rozwiązań układu równań Parametryzacja rozwiązań układu rówań Przykład: ozwiąż układy rówań: / 2 2 6 2 5 2 6 2 5 //( / / 2 2 9 2 2 4 4 2 ) / 4 2 2 5 2 4 2 2 Korzystając z postaci schodkowej (środkowa macierz) i stosując podstawiaie

Bardziej szczegółowo

1 Bª dy i arytmetyka zmiennopozycyjna

1 Bª dy i arytmetyka zmiennopozycyjna 1 Bª dy i arytmetyka zmiennopozycyjna Liczby w pami ci komputera przedstawiamy w ukªadzie dwójkowym w postaci zmiennopozycyjnej Oznacza to,»e s one postaci ±m c, 01 m < 1, c min c c max, (1) gdzie m nazywamy

Bardziej szczegółowo

I kolokwium z Analizy Matematycznej

I kolokwium z Analizy Matematycznej I kolokwium z Aalizy Matematyczej 4 XI 0 Grupa A. Korzystając z zasady idukcji matematyczej udowodić ierówość dla wszystkich N. Rozwiązaie:... 4 < + Nierówość zachodzi dla, bo 4

Bardziej szczegółowo

PRZYK ADOWY ARKUSZ EGZAMINACYJNY Z MATEMATYKI

PRZYK ADOWY ARKUSZ EGZAMINACYJNY Z MATEMATYKI PRZYK ADOWY ARKUSZ EGZAMINACYJNY Z MATEMATYKI Zestaw P POZIOM PODSTAWOWY Czas pracy 170 minut Instrukcja dla pisz cego 1. Sprawd, czy arkusz zawiera 17 stron.. W zadaniach od 1. do 0. s podane 4 odpowiedzi:

Bardziej szczegółowo

dna szeregu. ; m., k N ; ó. ; u. x 2n 1 ; e. n n! jest, że

dna szeregu. ; m., k N ; ó. ; u. x 2n 1 ; e. n n! jest, że KILKA ZADAŃ O SZEREGACH Zbadać zbieżość i zbieżość bezwzgle da = a, jeśli a = a!! ; a + + ; c + ; ć! ; d +/ + 3 ; e! e 3 3+ ; f ; + g 000+ ; h ; + i! ; j k ; l 5 + l + 7 0 +3 6 0 + ; +3 ; ; m 3 + 3 ; +a

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

CAŠKOWANIE METODAMI MONTE CARLO Janusz Adamowski

CAŠKOWANIE METODAMI MONTE CARLO Janusz Adamowski III. CAŠKOWAIE METODAMI MOTE CARLO Janusz Adamowski 1 1 azwa metody Podstawowym zastosowaniem w zyce metody Monte Carlo (MC) jest opis zªo-»onych ukªadów zycznych o du»ej liczbie stopni swobody. Opis zªo»onych

Bardziej szczegółowo

PRZYK ADOWY ARKUSZ EGZAMINACYJNY Z MATEMATYKI

PRZYK ADOWY ARKUSZ EGZAMINACYJNY Z MATEMATYKI PRZYK ADOWY ARKUSZ EGZAMINACYJNY Z MATEMATYKI Zestaw P POZIOM PODSTAWOWY Czas pracy 170 minut Instrukcja dla pisz cego 1. Sprawd, czy arkusz zawiera 17 stron.. W zadaniach od 1. do 0. s podane 4 odpowiedzi:

Bardziej szczegółowo

Matematyka dyskretna Kombinatoryka

Matematyka dyskretna Kombinatoryka Matematya dysreta Kombiatorya Adrzej Szepietowsi 1 Ci agi Zastaówmy siȩ, ile ci agów d lugości moża utworzyć z elemetów zbioru zawieraj acego symboli. Jeżeli zbiór symboli zawiera dwa elemety: to moża

Bardziej szczegółowo

IV Uniwersytecka Sobota Matematyczna 14 kwietnia Funkcje tworzące w kombinatoryce

IV Uniwersytecka Sobota Matematyczna 14 kwietnia Funkcje tworzące w kombinatoryce IV Uiwersyteca Sobota Matematycza 4 wietia 208 Fucje tworzące w ombiatoryce Dla ciągu a 0 a a 2... defiiujemy fucję tworzącą: G(x) = a x = a 0 + a x + a 2 x 2 + a 3 x 3 + =0. Zajdź fucje tworzące dla poiższych

Bardziej szczegółowo

Funkcje, wielomiany. Informacje pomocnicze

Funkcje, wielomiany. Informacje pomocnicze Funkcje, wielomiany Informacje pomocnicze Przydatne wzory: (a + b) 2 = a 2 + 2ab + b 2 (a b) 2 = a 2 2ab + b 2 (a + b) 3 = a 3 + 3a 2 b + 3ab 2 + b 3 (a b) 3 = a 3 3a 2 b + 3ab 2 b 3 a 2 b 2 = (a + b)(a

Bardziej szczegółowo

I. Ciągi liczbowe. , gdzie a n oznacza n-ty wyraz ciągu (a n ) n N. spełniający warunek. a n+1 a n = r, spełniający warunek a n+1 a n

I. Ciągi liczbowe. , gdzie a n oznacza n-ty wyraz ciągu (a n ) n N. spełniający warunek. a n+1 a n = r, spełniający warunek a n+1 a n I. Ciągi liczbowe Defiicja 1. Fukcję określoą a zbiorze liczb aturalych o wartościach rzeczywistych azywamy ciągiem liczbowym. Ciągi będziemy ozaczać symbolem a ), gdzie a ozacza -ty wyraz ciągu a ). Defiicja.

Bardziej szczegółowo

Lista 6. Estymacja punktowa

Lista 6. Estymacja punktowa Estymacja puktowa Lista 6 Model metoda mometów, rozkład ciągły. Zadaie. Metodą mometów zaleźć estymator iezaego parametru a w populacji jedostajej a odciku [a, a +. Czy jest to estymator ieobciążoy i zgody?

Bardziej szczegółowo

Egzaminy. na wyższe uczelnie 2003. zadania

Egzaminy. na wyższe uczelnie 2003. zadania zadaia Egzamiy wstępe a wyższe uczelie 003 I. Akademia Ekoomicza we Wrocławiu. Rozwiąż układ rówań Æ_ -9 y - 5 _ y = 5 _ -9 _. Dla jakiej wartości parametru a suma kwadratów rozwiązań rzeczywistych rówaia

Bardziej szczegółowo

Analiza numeryczna. Stanisław Lewanowicz. Aproksymacja funkcji

Analiza numeryczna. Stanisław Lewanowicz. Aproksymacja funkcji http://www.ii.ui.wroc.pl/ sle/teachig/a-apr.pdf Aaliza umerycza Staisław Lewaowicz Grudzień 007 r. Aproksymacja fukcji Pojęcia wstępe Defiicja. Przestrzeń liiową X (ad ciałem liczb rzeczywistych R) azywamy

Bardziej szczegółowo

2.Prawo zachowania masy

2.Prawo zachowania masy 2.Prawo zachowania masy Zdefiniujmy najpierw pewne podstawowe pojęcia: Układ - obszar przestrzeni o określonych granicach Ośrodek ciągły - obszar przestrzeni którego rozmiary charakterystyczne są wystarczająco

Bardziej szczegółowo

Nieklasyczne modele kolorowania grafów

Nieklasyczne modele kolorowania grafów 65 Nieklasycze modele kolorowaia grafów 66 Kolorowaie sprawiedliwe Def. Jeli wierzchołki grafu G moa podzieli a k takich zbiorów iezaleych C,...,C k, e C i C j dla wszystkich i,j,...,k, to mówimy, e G

Bardziej szczegółowo

Statystyka matematyczna - ZSTA LMO

Statystyka matematyczna - ZSTA LMO Statystyka matematyczna - ZSTA LMO Šukasz Smaga Wydziaª Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza w Poznaniu Wykªad 4 Šukasz Smaga (WMI UAM) ZSTA LMO Wykªad 4 1 / 18 Wykªad 4 - zagadnienia

Bardziej szczegółowo

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i =

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i = Zastosowaie symboli Σ i Π do zapisu sum i iloczyów Teoria Niech a, a 2,..., a będą dowolymi liczbami. Sumę a + a 2 +... + a zapisuje się zazwyczaj w postaci (czytaj: suma od k do a k ). Zak Σ to duża grecka

Bardziej szczegółowo