Własności kombinatoryczne i dynamiczne wybranych przestrzeni przesunięć

Wielkość: px
Rozpocząć pokaz od strony:

Download "Własności kombinatoryczne i dynamiczne wybranych przestrzeni przesunięć"

Transkrypt

1 Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie Rozprawa doktorska Własności kombinatoryczne i dynamiczne wybranych przestrzeni przesunięć mgr Magdalena Foryś Promotor: dr hab. Piotr Oprocha, prof. AGH Wydział Matematyki Stosowanej Kraków 2015

2 Składam serdeczne podziękowania mojemu promotorowi, dr. hab. Piotrowi Oprosze, za wsparcie merytoryczne, nieustanną motywację do pracy naukowej, czas poświęcony na liczne dyskusje związane z tematyką pracy oraz okazaną mi życzliwość i cierpliwość w trakcie pisania rozprawy doktorskiej.

3 Spis treści Wstęp Układy dynamiczne i ich własności Podstawowe pojęcia dynamiki symbolicznej Uogólniony ciąg Thuego-Morse a i złożoność generowanej przez niego przestrzeni z przesunięciem Przestrzenie z przesunięciem posiadające własność specyfikacji i ich dynamika Konstrukcja Katznelsona-Weissa i jej modyfikacje Konstrukcja jednostajnie sztywnej i słabo mieszającej przestrzeni z przesunięciem nad alfabetem [0, 1] Konstrukcja jednostajnie sztywnej przestrzeni z przesunięciem z parą DC2 nad alfabetem [0, 1] Bibliografia

4 Wstęp Niniejsza rozprawa doktorska dotyczy problematyki z pogranicza teorii układów dynamicznych oraz kombinatoryki. Prezentuje wyniki badań nad szczególną klasą układów dynamicznych, jakimi są przestrzenie z przesunięciem. Teoria układów dynamicznych powstała jako nauka opisująca zmiany zachowań obiektów w czasie i przestrzeni, wywodząca się z prób modelowania matematycznego zjawisk fizycznych - takich, jak na przykład ruch cząsteczek gazu w przestrzeni, lub ruch obiektów w kosmosie. W zależności od dokładności obserwacji, dany układ może być obserwowany w sposób ciągły, bez przerw (czyli w dowolnym momencie jesteśmy w stanie określić jak zmienia się położenie obiektów w układzie) lub tylko w określonych z góry odstępach czasu (na przykład co minutę, lub co sekundę). Pierwsze podejście było motywacją do powstania teorii ciągłych ukladów dynamicznych. Drugie zaś to pewnego rodzaju uproszczenie poprzedniego przypadku, oparte na dyskretyzacji czasu. Interesuje nas wtedy położenie obiektu tylko w regularnych odstępach czasu, a to, co dzieje się pomiędzy obserwacjami nie jest brane pod uwagę. Tego typu modele są tworzone i badane przy pomocy teorii dyskretnych układów dynamicznych. Dynamika symboliczna idzie o krok dalej, dyskretyzując także rozważaną przestrzeń. Oznacza to, że przestrzeń jest podzielona na pewną, skończoną bądź nieskończoną, liczbę obszarów, do których przypisane są opisujące je etykiety. Nieskończoną trajektorię, jaką porusza się dany obiekt w takiej przestrzeni, obserwowaną przy dyskretyzacji czasu, można zatem zapisać jako nieskończony ciąg etykiet, w którym kolejność symboli jest zgodna z kolejnością odwiedzania przez obiekt poszczególnych obszarów. Badania, których wyniki prezentowane są w niniejszej rozprawie, obejmują zbiory takich trajektorii wyposażone w odpowiednie własności. Przestrzenie z przesunięciem (ang. shift space) rozważane w niniejszej pracy to w dużej mierze przestrzenie podzielone w myśl powyższej interpretacji na dwa obszary, etykietowane przez 0 oraz 1. Co za tym idzie, elementami takiej przestrzeni są nieskończone ciągi binarne. Niestety opis przy skończonej liczbie etykiet nie jest uniwersalny dla dowolnego typu rozważanej dynamiki - w niektórych przypadkach konieczne będzie zastosowanie nieskończonego alfabetu etykietującego. W rozdziale 5 przedstawiamy przypadek, gdy przestrzeń jest podzielona na nieskończoną liczbę obszarów etykietowanych liczbami z przedziału [0, 1]. Elementami takiej przestrzeni są zatem nieskończone ciągi o wyrazach z przedziału [0, 1]. Istotne miejsce w rozprawie zajmują badania nad dynamiką przestrzeni z przesunięciem. Oczywistym jest jednak, że własności dynamiczne przestrzeni definiowanych w przedstawiony powyżej sposób pozostają w ścisłym związku z własnościami kombinatorycznymi nieskończonych ciągów będących ich elementami. Skupimy się na określeniu wartości entropii topologicznej, entropii ciągowej oraz spróbujemy określić istnienie par dystrybucyjnie chaotycznych na przykładach różnych typów przestrzeni z przesunięciem. Przedstawimy poniżej ogólny zarys problematyki niniejszej rozprawy. Pojęcie entropii topologicznej zostało wprowadzone w [1] przez R. Adlera, A. Konheima oraz M. McAndrewa w 1965 roku. Wywodzi się ono od związanej z teorią informacji entropii Shannona, która oznacza średnią ilość informacji przypadającą 3

5 na określoną wiadomość zgodnie z rozkładem prawdopodobieństwa na danym skończonym zbiorze wiadomości. Minimalna wartość entropii Shannona uzyskiwana jest dla takiego zbioru wiadomości, który nie niesie ze sobą żadnych nowych dla odbiorcy informacji - to przypadek, gdy w skończonym zbiorze wiadomości wiemy, że z prawdopodobieństwem równym 1 dokładnie jedna ustalona wiadomość jest prawdziwa, a pozostałe fałszywe. Maksymalną wartość uzyskamy natomiast wtedy, gdy w skończonym zbiorze wiadomości prawdopodobieństwo zdarzenia, że dana wiadomość jest prawdziwa jest takie samo dla wszystkich wiadomości. Entropię topologiczną można traktować jako współczynnik odpowiedzialny za szybkość wzrostu liczby orbit możliwych do zaobserwowania w danym układzie dynamicznym przy ustalonej precyzji obserwacji. Wartość entropii topologicznej należy do przedziału [0, + ) lub jest równa + (np. dla odwzorowań odcinka). Dla symbolicznych układów dynamicznych nad alfabetem mocy n wartość entropii topologicznej jest ograniczona od góry przez log n. Układy o zerowej entropii topologicznej nazywane są układami deterministycznymi. W praktyce oznacza to, że jesteśmy w stanie w dużym stopniu przewidzieć zachowanie takiego układu obserwując go w dowolnym momencie. Natomiast w układach o dodatniej entropii topologicznej możemy się spodziewać zachowań chaotycznych - tym bardziej skomplikowanych im wyższa jest jej wartość. Nie oznacza to jednak, że entropia topologiczna może być traktowana jako miara ilości chaosu w danym układzie, lecz raczej jako pewien wyznacznik jakości i stopnia skomplikowania chaotycznych zachowań. W związku z tym w książce [15] autorzy zaproponowali, by zdefiniować chaos jako dodatnią entropię topologiczną układu. Intuicja ta może być jednak zwodnicza - w pracy [24] G. Harańczyk i D. Kwietniak pokazali, że istnieją układy chaotyczne (w szczególności niektóre odwzorowania odcinka lub okręgu) o relatywnie niskiej wartości entropii topologicznej. Uogólnieniem pojęcia entropii topologicznej jest entropia ciągowa, wprowadzona w [35] przez A. G. Kushnirenkę. Badania nad entropią ciągową były kontynuowane w [23] przez T. N. T. Goodmana, który prezentuje podstawowe własności tej wielkości oraz bada zachowanie układów o zerowej entropii ciągowej. Dowodzi także, że dla nietrywialnych układów słabo mieszających nie istnieje ograniczenie od góry na wartość entropii topologicznej. Z kolei w pracy [39] A. Maass i S. Shao zajmują się istnieniem maksymalnych faktorów równociągłych dla minimalnych układów dynamicznych o ograniczonej entropii ciągowej. W pracach [29] i [30] autorzy rozważają entropię ciągową dla shiftów generowanych przez nieskończony ciąg nad pewnym skończonym alfabetem w kontekście maksymalnej złożoności n-wzorca ciągu generującego. Wiadomo, że własność słabego mieszania układu dynamicznego implikuje dodatnią entropię ciągową, może się jednak zdarzyć, że entropia topologiczna takiego układu będzie zerowa. Przykład takiego układu został podany w [9]. Z punktu widzenia niniejszej rozprawy najbardziej interesować nas będą minimalne przestrzenie z przesunięciem o zerowej entropii topologicznej i dodatniej entropii ciągowej. Przedstawiona w rozdziale 2 konstrukcja pozwala otrzymać nieprzeliczalną rodzinę przestrzeni spełniających te warunki. Kolejnym zagadnieniem, do którego odwołujemy się w niniejszej pracy jest dynamika par i powiązane z nią pojęcie chaosu dystrybucyjnego. Badania nad tą tematyką mają swój początek w opublikowanej w 1975 roku pracy [37] autorstwa T. Y. Li oraz J. A. Yorke a. Pojawiło się w niej pojęcie par Li-Yorke a jako określenie par prok- 4

6 symalnych, ale nie asymptotycznych. Układ (X, f) nazwano układem chaotycznym w sensie Li-Yorke a, jeśli zawierał pary Li-Yorke a. Naturalne pytanie, które pojawiło się wraz z wprowadzeniem tej teorii, to kwestia warunków jakie muszą zachodzić, by dany układ zawierał choć jedną taką parę, skończony zbiór par, czy nieprzeliczalny zbiór par Li-Yorke a. W pracy [26] W. Huang i X. Ye skonstruowali układ dynamiczny, w którym wszystkie pary różnych elementów były parami Li-Yorke a (tzw. układ totalnie splątany) i zadali pytanie o wartość entropii topologicznej takiego układu - w szczególności czy wartość ta może być dodatnia. Negatywną odpowiedź na to pytanie podał B. Weiss w [60]. Rozwinięciem tej teorii, łączącym pojęcie chaosu i entropii topologicznej oraz jednym z ciekawszych podejść do tego tematu jest definicja chaosu dystrybucyjnego. Pojęcie to zostało wprowadzone w 1994 roku przez B. Schweizera i J. Smítala w [48] jako warunek równoważny dodatniej entropii topologicznej układu dynamicznego zdefiniowanego na odcinku. Podejście autorów polega na obserwacji statystycznych własności trajektorii pary punktów w długim okresie czasu. Obecnie wiadomo jednak, że w ogólnym przypadku istnieją dystrybucyjnie chaotyczne układy dynamiczne o zerowej entropii. W 2005 roku w pracy [8] wprowadzono definicje trzech typów par dystrybucyjnie chaotycznych: DC1, DC2, DC3, z czego najsilniejszą wersją pary dystrybucyjnie chaotycznej jest para DC1. W literaturze znajdziemy wiele wyników dotyczących chaosu dystrybucyjnego. W [51] A. Sklar i J. Smítal udowodnili między innymi, że nietrywialny układ mający własność specyfikacji jest dystrybucyjnie chaotyczny. Problematyka ta została rozwinięta w pracy [46] P. Oprochy i M. Štefánkovej. R. Pikuła w [12] prezentuje natomiast przykład układu o dodatniej entropii topologicznej, który nie posiada par DC1. W 2006 roku w [54] J. Smítal postawił hipotezę, że dodatnia entropia topologiczna układu dynamicznego nie implikuje istnienia w nim nieprzeliczalnego zbioru par DC2. Potwierdzenie tej hipotezy przedstawił T. Downarowicz w [47] w roku W międzyczasie publikowano częściowe wyniki, potwierdzające tę hipotezę w pewnych szczególnych przypadkach (np. [45] dla układów o jednostajnie dodatniej entropii). Ciekawym wątkiem w tej problematyce wydają się być badania nad chaosem dystrybucyjnym w układach minimalnych. Pierwszy przykład układu minimalnego zawierającego pary DC1 został przedstawiony w pracy [38] przez G. Liao oraz L. Wanga w 2002 roku. Konstrukcja ta opierała się o odpowiednio dobrane rodziny słów o wykładniczo rosnącej długości i była na wiele sposobów modyfikowana i rozszerzana w ostatnich latach - między innymi w [44], [56]. Entropia topologiczna układów skonstruowanych w wymienionych pracach wynosiła zero. W dowolnym układzie dynamicznym nie ma bezpośredniego związku pomiędzy istnieniem par DC1, a dodatnią entropią topologiczną. W [28] zostało pokazane, że dodatnia entropia układów dynamicznych na odcinku implikuje istnienie splątanego zbioru Cantora. W [11] wykazano, że taka sama własność charakteryzuje dowolne układy dynamiczne na zwartych przestrzeniach metrycznych. Natomiast konstrukcje układów dynamicznych na odcinku chaotycznych w sensie Li-Yorke a, ale o zerowej entropii topologicznej, pokazano na przykład w [53], [62], [42]. Uzasadniono tym samym, że fakt posiadania dodatniej wartości entropii topologicznej jest własnością silniejszą niż chaos Li-Yorke a. W 2002 roku F. Blanchard, B. Host, S. Ruette w pracy [13] wykorzystując teorię ergodyczną pokazali, że układ dynamiczny o dodatniej entropii zawsze zawiera pary asymptotyczne, a co więcej - 5

7 zbiór par asymptotycznych jest gęsty. W 2009 roku F. Balibrea i J. Smítal w pracy [24] zaprezentowali konstrukcję układu minimalnego o dodatniej entropii, który zawiera pary DC2, ale nie zawiera par DC1. W niniejszej pracy doktorskiej zaprezentowane są wyniki opublikowane w [19], [20], [21]. Praca [19] jest pracą samodzielną, w której autorka definiuje klasę uogólnionych ciągów Thuego-Morse a i bada wartości entropii topologicznej oraz entropii ciągowej przestrzeni generowanych przez te ciągi. Prace [20] oraz [21] są współautorskie i powstały jako efekt wielu dyskusji prowadzonych osobiście oraz drogą elektroniczną. Z tego powodu w rozprawie uwzględniono tylko te ich wyniki, w które autorka włożyła najwięcej pracy własnej. W szczególności jest to przeniesienie wyników dotyczących przestrzeni ze specyfikacją na przestrzenie z przesunięciem posiadające własność specyfikacji oraz dwie modyfikacje konstrukcji Katznelsona- Weissa prowadzące do uzyskania słabo mieszającej przestrzeni z przesunięciem oraz przestrzeni z przesunięciem zawierającej parę DC2. Struktura niniejszej rozprawy przedstawia się następująco. W rozdziale 1 prezentujemy podstawowe pojęcia związane z ogólną teorią układów dynamicznych. Wprowadzamy definicje oraz warunki równoważne własnościom dynamicznym takim jak tranzytywność, słabe mieszanie, minimalność, równociągłość, wrażliwość na warunki początkowe. Podajemy także definicję entropii topologicznej oraz pojęć związanych ze wspomnianym powyżej chaosem dystrybucyjnym, w tym definicje par DC1, DC2 oraz zbioru splątanego. W rozdziale 2 zajmujemy się podstawami teorii symbolicznych układów dynamicznych. Wprowadzamy kluczowe w niniejszej pracy pojęcie przesunięcia oraz przestrzeni z przesunięciem omawiając je w kontekście jej topologii oraz własności dynamicznych. Przedstawiamy kilka różnych typów tych przestrzeni - skończonego typu, typu sofic, podstawieniowe. Rozważamy także niektóre z wprowadzonych w rozdziale 1 własności dynamicznych i podajemy warunki im równoważne w przypadku przestrzeni z przesunięciem. Większość z tych warunków opiera się o pewne własności kombinatoryczne przestrzeni i jej elementów. Rozważania z rozdziału 3 mają swoją motywację w pracach [57], [41], w których przedstawione są wyniki dotyczące pewnych uogólnień ogólnie znanego ciągu Thuego-Morse a, oznaczanego w pracy przez t M, oraz generowanej przez niego przestrzeni, a także w pracach [39] [23] [30], [29] dotyczących entropii ciągowej. Problem, którego dotyczy ta część pracy, to próba konstrukcji przestrzeni z przesunięciem generowanej przez nieskończony ciąg, która będzie miała zerową entropię topologiczną oraz dodatnią entropię ciągową. Żeby uzyskać pożądane własności musimy odpowiednio zdefiniować ciąg generujący przestrzeń. Wprowadzamy zatem pewne uogólnienie ciągu Thuego-Morse a, odwołując się do blokowej budowy oraz rekurencyjnej definicji ciągu t M, otrzymując całą klasę uogólnionych ciągów Thuego-Morse a. Własności przestrzeni zależą od struktury ciągu, który wybierzemy z otrzymanej klasy jako element generujący. Przypadkiem dokładniej omówionym w tej pracy jest uogólniony ciąg Thuego-Morse a definiowany poprzez ciąg stały. Przestrzenie generowane przez te ciągi tworzą nieprzeliczalną klasę przestrzeni minimalnych o zerowej entropii topologicznej i dodatniej entropii ciągowej. Dodatkowo pokazujemy, że skonstruowana przestrzeń jest co najwyżej 4-do-1 faktorem pewnego odpowiednio zdefiniowanego odometru. Własność ta jest istotna w dowodzie głównego twierdzenia w tym rozdzia- 6

8 le (twierdzenie 3.23) uzasadniającego, że wartość entropii ciągowej dla przestrzeni z przesunięciem generowanych przez wprowadzone uogólnione ciągi Thuego-Morse a jest zawsze ograniczona od góry. Warte rozważenia w przyszłości wydają się być przypadki innego wyboru uogólnionych ciągów Thuego-Morse a, na przykład gdy ciągi wykorzystywane w ich definicji są od pewnego miejsca stałe lub okresowe. W rozdziale 4 zajmujemy się przestrzeniami z przesunięciem posiadającymi własność specyfikacji. Własność ta jest szczególnie istotna w rozważaniach związanych z chaosem dystrybucyjnym. W pracy [51] A. Sklar i J.Smítal zaprezentowali twierdzenie które mówi, że własność specyfikacji implikuje chaos dystrybucyjny. Badamy chaotyczne zachowanie takich przestrzeni, a w szczególności zajmujemy się problemem istnienia zbioru dystrybucyjnie ε-splątanego w przestrzeniach typu sofic. Głównym celem jest takie wykorzystanie dodatkowych informacji uzyskanych dzięki znajomości kombinatorycznej struktury przestrzeni typu sofic, by móc więcej powiedzieć o własnościach zbioru chaotycznego generowanego w tej sytuacji. Wyniki tych badań podsumowuje twierdzenie 4.13, podające warunki konieczne dla istnienia ε-splątanego zbioru Cantora i ε-splątanego zbioru Mycielskiego w danej przestrzeni z przesunięciem. Szczególnie ważną własnością kombinatoryczną, na której niejednokrotnie opierają się nasze rozumowania, jest własność synchronizacji języka danej przestrzeni, która zachodzi dla każdej przestrzeni z przesunięciem z własnością specyfikacji. Wyniki przedstawione w rozdziale 5 dotyczą problemu związanego z zaprezentowaną w [31] oraz [2] konstrukcją jednostajnie sztywnej i proksymalnej przestrzeni z przesunięciem nad alfabetem [0, 1]. Tego typu konstrukcja nie jest możliwa nad skończonym alfabetem. Rozważamy zatem uogólnienie przestrzeni z przesunięciem, wykorzystując zamiast skończonego alfabetu cały przedział [0, 1]. Głównym celem było zmodyfikowanie oryginalnej konstrukcji w taki sposób, by otrzymana przestrzeń posiadała pewne dodatkowe własności dynamiczne przy zachowaniu jednostajnej sztywności. Prezentujemy dwie takie modyfikacje: pierwsza z nich pozwala nam otrzymać przestrzeń słabo mieszającą, druga - przestrzeń z parą DC2. Ciekawe wydają się być dalsze pespektywy badań nad drugą z konstrukcji, w szczególności próba określenia czy jesteśmy w stanie wprowadzić do niej kolejne zmiany tak, by otrzymać kolejną parę DC2 lub przeliczalny bądź nieprzeliczalny zbiór par DC2. Motywacją do pracy nad tymi zagadnieniami było pytanie, czy konstrukcję Weissa- Katznelsona da się zmodyfikować tak, by wszystkie pary Li-Yorke a zastąpić parami DC2. Odpowiedź negatywną dajemy w twierdzeniu

9 1 Układy dynamiczne i ich własności Na początku zaznaczmy, że przez N rozumiemy zbiór {1, 2, 3,... }, a przez N 0 zbiór liczb naturalnych wraz z zerem. Podstawowe dla niniejszej pracy jest pojęcie układu dynamicznego, którego definicję wprowadzamy poniżej: Definicja 1.1. Układem dynamicznym nazywamy parę (X, f), gdzie X jest zwartą przestrzenią metryczną, natomiast f : X X jest odwzorowaniem ciągłym. Przez d będziemy oznaczać metrykę w X, natomiast dla podzbiorów A, B X przez dist(a, B) oznaczamy odległość zbiorów A i B, czyli: dist(a, B) = inf{d(x, y) : x A, y B}. W przypadku gdy A = {x} jest zbiorem jednoelementowym, zamiast dist({x}, B) stosujemy zapis dist(x, B). W tym rozdziale przedstawimy definicje i pojęcia dotyczące ogólnej teorii układów dynamicznych i zaprezentujemy niektóre ich własności dynamiczne. Będzie to podstawą do dalszych rozważań, w szczególności do badań własności klasy symbolicznych układów dynamicznych, którym poświęcimy najwięcej uwagi w dalszej części rozprawy. Definicja 1.2. Niech (X, f) będzie układem dynamicznym. 1. Punkt x X nazywamy punktem stałym, jeśli f(x) = x. 2. Punkt x X nazywamy punktem okresowym, jeśli istnieje k N takie, że f k (x) = x. Najmniejsze takie k nazywamy okresem podstawowym punktu x. Zbiór wszystkich punktów okresowych układu (X, f) oznaczamy przez: P er(x, f) = {x X : k N f k (x) = x}. 3. Orbitą punktu x X nazywamy zbiór: O(x) = {f n (x) : n N 0 }, przy czym przyjmujemy, że f 0 (x) = x dla każdego x X. 4. Punkt x X nazywamy punktem tranzytywnym, jeśli jego orbita jest gęsta w X, czyli O(x) = X. Zbiór wszystkich punktów tranzytywnych w X oznaczamy przez T rans(x, f). Zauważmy, że w myśl definicji 1.2 każdy punkt stały jest jednocześnie punktem okresowym o okresie podstawowym równym 1. Definicja 1.3. Punkt y X nazywamy punktem ω-granicznym punktu x X, jeśli y jest punktem skupienia ciągu {f n (x)} n N0. Zbiorem ω-granicznym punktu x, oznaczanym przez ω(x, f), nazywamy zbiór wszystkich punktów ω-granicznych punktu x. 8

10 Oczywiście możliwa jest sytuacja, kiedy punkt x należy do swojego zbioru ω - granicznego. W takim przypadku x nazywamy punktem rekurencyjnym. Formalną definicję punktu rekurencyjnego wprowadzamy poniżej: Definicja 1.4. Niech (X, f) będzie układem dynamicznym. Punkt x X nazywamy punktem rekurencyjnym, jeśli dla każdego ε > 0 istnieje p > 0 takie, że dla dowolnego n N 0 znajdziemy k < p spełniające warunek: d(f n+k (x), x) < ε. Zbiór wszystkich punktów rekurencyjnych w X oznaczamy przez Rec(X, f). Zauważmy, że dowolny punkt okresowy spełnia definicję 1.4, a co za tym idzie okresowość punktu implikuje jego rekurencyjność. Szczególnym rodzajem układów dynamicznym są minimalne układy dynamiczne. Definicja 1.5. Układ dynamiczny (X, f) jest minimalny, jeśli dla każdego x X orbita O(x) jest gęsta w X. Nieformalnie mówiąc, (X, f) jest układem minimalnym, jeśli nie jesteśmy w stanie wyodrębnić w nim niepustego, właściwego podzbioru, który spełnia definicję 1.1. Definicja 1.5 oznacza w szczególności, że każdy punkt x należący do układu minimalnego X jest punktem tranzytywnym. Poniższy fakt podaje warunki równoważne na minimalność układu dynamicznego: Fakt 1.6. Niech (X, f) będzie układem dynamicznym. Następujące warunki są równoważne: 1. X jest minimalny. 2. Dowolny punkt x X jest punktem tranzytywnym. 3. Dla dowolnego podzbioru Y X takiego, że para (Y, f Y ) jest układem dynamicznym zachodzi: Y = X lub Y =. Warunek (3) z faktu 1.6 oznacza, że układ minimalny nie zawiera żadnego nietrywialnego podukładu dynamicznego. Definicja 1.7. Niech (X, f) będzie układem dynamicznym. Punkt x X nazywamy punktem minimalnym, jeśli układ (O(x), f O(x) ) jest minimalny. Łatwo zauważyć, że jeśli układ (X, f) z powyższej definicji jest minimalny, to każdy punkt x X jest punktem minimalnym. Definicja 1.8. Niech (X, f), (Y, g) będą układami dynamicznymi. 1. Jeśli istnieje ciągła surjekcja π : X Y taka, że f π = π g, to (Y, g) nazywamy faktorem układu (X, f), natomiast układ (X, f) nazywamy rozszerzeniem układu (Y, g), 2. Jeśli odwzorowanie π jest homeomorfizmem, to mówimy, że układy (X, f) oraz (Y, g) są topologicznie sprzężone. 9

11 Będziemy używać nazwy odwzorowanie faktoryzujące na odpowiednie odwzorowanie π spełniające warunki definicji 1.8. Jeśli postać odwzorowań f oraz g będzie jasno wynikała z kontekstu będziemy je pomijać, używając określeń: Y jest faktorem X lub odpowiedno: X jest rozszerzeniem Y. Definicja 1.9. Układ (X, f) jest tranzytywny, jeśli dla dowolnych niepustych i otwartych podzbiorów U, V X istnieje n N takie, że f n (U) V. W szczególnym przypadku, gdy zbiór X nie zawiera punktów izolowanych zachodzi następujący fakt, który przytaczamy za [33]: Fakt Niech (X, f) będzie układem dynamicznym. Jeśli X nie zawiera punktów izolowanych oraz zbiór punktów tranzytywnych T rans(x, f) jest niepusty, to układ (X, f) jest tranzytywny. Oznacza to w szczególności, że dla układów tranzytywnych zbiór punktów tranzytywnych jest niepusty. Istnienie punktu o gęstej orbicie nie jest jednak równoważne tranzytywności układu, czego przykład można znaleźć w [33]. W tej samej pracy autorzy przedstawiają warunki równoważne tranzytywności. Kilka z nich przytaczamy poniżej, wprowadzając uprzednio następującą notację dla x X oraz niepustych, otwartych zbiorów U, V X: N(x, U) = {n N : f n (x) U}, N(U, V ) = {n N : U f n (V ) }. Fakt Niech (X, f) będzie układem dynamicznym. Następujące warunki są równoważne: 1. Układ dynamiczny (X, f) jest tranzytywny. 2. Dla dowolnych niepustych i otwartych podzbiorów U, V X istnieje n N takie, że f n (U) V. 3. Odwzorowanie f jest surjekcją i zbiór T rans(x, f) jest niepusty. 4. Zbiory N(U, U) dla dowolnego niepustego, otwartego U X oraz zbiór punktów tranzytywnych T rans(x, f) są niepuste. Warto zaznaczyć, że każdy układ minimalny jest układem tranzytywnym. Własność tranzytywności w danym układzie oznacza, że dla dowolnie ustalonych dwóch zbiorów otwartych pewna iteracja punktu z pierwszego zbioru trafi do zbioru drugiego. Definicja Układ dynamiczny (X, f) nazywamy mieszającym, jeśli dla dowolnych niepustych i otwartych zbiorów U, V X istnieje m N takie, że dla dowolnego n m zachodzi: f n (U) V. Definicja Układ (X, f) nazywamy słabo mieszającym, jeśli układ dynamiczny (X X, f f) jest tranzytywny. 10

12 W pracy [22] podany jest następujący warunek równoważny słabemu mieszaniu: Lemat Układ dynamiczny (X, f) jest słabo mieszający wtedy i tylko wtedy, gdy dla dowolnego m N oraz dowolnych niepustych, otwartych zbiorów U i, V i X gdzie i = 1,..., m istnieje k N takie, że: f k (U i ) V i dla i m. Najczęściej będziemy dowodzić własności słabego mieszania korzystając z powyższego lematu 1.14 dla m = 2. Wprost z powyższych własności i definicji wynika, że zarówno układ mieszający, jak i słabo mieszający są także tranzytywne. Definicja Mówimy, że zbiór B N 0 jest gruby, jeśli dla dowolnego n N istnieje i N 0 takie, że: {i, i + 1,..., i + n} B. Z lematu 1.14 wynika, że jeśli układ (X, f) jest słabo mieszający, to dla dowolnego n N układ (X X, f f) jest tranzytywny. To pozwala nam }{{}}{{} n n wykazać następujące kryterium słabego mieszania: Lemat Układ (X, f) jest słabo mieszający wtedy i tylko wtedy, gdy (X, f) jest tranzytywny oraz zbiór N(U, V ) jest gruby dla dowolnych niepustych i otwartych zbiorów U, V X. Dowód. Załóżmy, że (X, f) jest słabo mieszający. Wtedy dla dowolnego m 2 układ: (X m, f m ) = (X X, f f) }{{}}{{} m m jest tranzytywny. Ustalmy dowolny niepusty podzbiór otwarty U X i zdefiniujmy: U = U n+1 oraz V = U f 1 (U) f n (U). Ponieważ (X n+1, f n+1 ) jest tranzytywny, to N(U, V ) jest niepusty. Istnieje więc pewne k N takie, że k, k + 1,..., k + n N(U, V ), czyli zbiór N(U, V ) jest gruby. Dla dowodu w drugą stronę ustalmy dowolne zbiory U 1, U 2, V 1, V 2 X niepuste i otwarte. Układ (X, f) jest tranzytywny z założenia, więc istnieją takie n, m N, że: U = U 1 f n (U 2 ) oraz V = V 1 f m (V 2 ). Zbiór N(U, V ) jest gruby, więc dla n + m istnieje k N takie, że: {k, k + 1,..., k + n + m} N(U, V ). To oznacza, że dla i = 0, 1,..., n + m zachodzi: U f (k+i) (V ) = U 1 f n (U 2 ) f (k+i) (V 1 ) f (k+i+m) (V 2 ). Dla i = m istnieje więc x U f (k+n+m) (V ). W szczególności x U 1 f (k+m) (V 1 ). Z kolei dla i = n istnieje y U f k (V ). W szczególności y f n (U 2 ) f (k+n+m) (V 2 ). 11

13 Oznaczmy y = f n (y) i zauważmy, że y U 2 f (k+m) (V 2 ). Z powyższego rozumowania wynika zatem, że: f k+m (x) f k+m (U 1 ) V 1, f k+m (y ) f k+m (U 2 ) V 2, co oznacza, że układ (X, f) jest słabo mieszający. Za pracą [50] przytaczamy następujący fakt: Fakt Niech (X, f) będzie układem dynamicznym i niech x X będzie punktem tranzytywnym. Jeśli dla dowolnego otoczenia U punktu x zbiór N(U, U) zawiera ciąg kolejnych liczb naturalnych długości k, to N(U, U) zawiera także ciąg kolejnych liczb naturalnych długości k + 1. Za pracą [48] następujący warunek równoważny słabemu mieszaniu dla układów tranzytywnych: Lemat Niech (X, f) będzie układem tranzytywnym i niech x X będzie punktem tranzytywnym w X. Układ (X, f) jest słabo mieszający wtedy i tylko wtedy, gdy dla dowolnego otoczenia U punktu x istnieje n > 0 takie, że n, n + 1 N(U, U). Dowód. Załóżmy, że X jest słabo mieszający. Ustalmy pewne otoczenie U punktu tranzytywnego x. Dla lematu 1.14 przyjmijmy U 1 = U 2 = V 1 = U oraz f 1 (U) = V 2. Wtedy istnieje n > 0 takie, że: f n (U) U i f n+1 (U) U, co oznacza, że n, n + 1 N(U, U) Dla dowodu w drugą stronę skorzystamy z lematu Wystarczy wykazać, że zbiór N(U, U) jest gruby dla dowolnego niepustego, otwartego zbioru U X. Wynika to bezpośrednio z faktu Wielkością, która szczególnie będzie nas interesować w dalszych rozważaniach jest entropia topologiczna, której definicję wprowadzamy poniżej za [40]. Uwaga: Przyjmujemy, że w dalszym ciągu niniejszej rozprawy pisząc log mamy na myśli logarytm o podstawie 2. Definicja Niech (X, f) będzie układem dynamicznym i niech ε > 0. Zbiór W X nazywamy zbiorem (n, ε, f)-rozpinającym, jeśli dla dowolnego x X istnieje y W takie, że: d(f i (x), f i (y)) ε dla 0 i < n. Z ciągłości odwzorowania f oraz zwartości X wynika, że dla dowolnego n N oraz ε > 0 możemy znaleźć zbiór (n, ε, f)-rozpinający. Przez Span(n, ε, f) oznaczmy moc najmniejszego zbioru (n, ε, f)-rozpinającego. 12

14 Definicja Entropię topologiczną h(x) układu dynamicznego (X, f) definiujemy jako: 1 h(x) = lim lim sup log Span(n, ε, f). ε 0 n n Entropia topologiczna h(x) może być nieujemną liczbą rzeczywistą, lub przyjmować wartość +. Zauważmy, że jeśli ε 1 < ε 2, to Span(n, ε 1, f) Span(n, ε 2, f). 1 Zatem ciąg lim sup n log Span(n, ε, f) jest niemalejący przy ε zmierzającym do n zera i stąd wynika, że h(x) jest dobrze określone. Więcej informacji na temat entropii topologicznej można znaleźć w [58]. W definicji 1.8 wprowadziliśmy pojęcie faktora. Mając dane dwa układy (X, f) oraz (Y, g) oraz odwzorowanie faktoryzujące π : X Y pojawia się naturalne pytanie o istnienie związków pomiędzy wartościami entropii topologicznej tych układów. Podsumowuje je następujący lemat, zacytowany za [6]: Lemat Niech (X, f), (Y, g) będą układami dynamicznymi i niech π : X Y będzie odwzorowaniem ciągłym, spełniającym warunek f π = π g. Wtedy: 1. Jeśli π jest iniekcją, to h(x) h(y ). 2. Jeśli π jest surjekcją, to h(x) h(y ). 3. Jeśli π jest bijekcją (czyli układy są topologiczne sprzężone), to h(x) = h(y ). Definicja Układ (X, f) nazywamy jednostajnie sztywnym, jeśli dla dowolnego ε > 0 istnieje n N takie, że: d(x, f n (x)) < ε dla każdego x X. Definicja 1.22 oznacza więc, że iteracje dowolnego punktu powracają po pewnym czasie w dowolnie małe otoczenie tego punktu. Definicja Niech (X, f) będzie układem dynamicznym. Mówimy, że f ma własność specyfikacji jeśli f jest surjekcją oraz dla każdego ε > 0 istnieje N > 0 takie, że dla s 2, dowolnego podzbioru {y 1,..., y s } X oraz dowolnego ciągu liczb naturalnych: 0 = j 1 k 1 < j 2 k 2 < < j s k s spełniającego warunek j l+1 k l N dla l = 1,..., s 1 istnieje punkt x X taki, że dla dowolnego 1 m s oraz j m i k m zachodzi: d(f i (x), f i (y m )) < ε (1) Jeśli zachodzi warunek (1), to mówimy, że punkt x ε-śledzi punkty {y 1,..., y s } dla i = j m,..., k m, 1 m s lub, krócej, x śledzi y i dla i = j m,..., k m. Fakt Załóżmy, że f ma własność specyfikacji. W definicji 1.23 możemy przyjąć s =, co oznacza, że orbita punktu x z powyższej definicji śledzi nieskończony ciąg punktów {y i } i N X w myśl warunku 1, przyjmując, że j m+1 k m N dla m N. 13

15 Następujące własności układów z własnością specyfikacji cytujemy za [50]: Fakt Niech (X, f) będzie układem dynamicznym z własnością specyfikacji. Wtedy: 1. Dowolny faktor X ma własność specyfikacji. 2. Zbiór punktów okresowych P er(x, f) jest gęsty w X. 3. Układ (X, f) jest słabo mieszający. 4. Układ (X, f) jest układem o dodatniej entropii topologicznej. Parę (x, y) X X nazywamy proksymalną, jeśli: lim inf n d(f n (x), f n (y)) = 0. Jeśli dla dowolnych x, y X para (x, y) jest proksymalna, to układ (X, f) nazywamy układem proksymalnym. Za pracami [4] oraz [26] przytaczamy następującą charakteryzację układów proksymalnych: Twierdzenie Niech (X, f) będzie układem dynamicznym. Wtedy następujące warunki są równoważne: 1. Układ (X, f) jest proksymalny. 2. Dla dowolnego x X para (x, f(x)) jest parą proksymalną oraz X zawiera dokładnie jeden punkt stały. 3. X zawiera punkt stały, który jest jedynym punktem minimalnym w X. Jeśli dla x, y X zachodzi warunek: lim d(f n (x), f n (y)) = 0, n to parę (x, y) nazywamy asymptotyczną, natomiast jeśli para (x, y) jest proksymalna, ale nie jest asymptotyczna, nazywamy ją parą Li-Yorke a. Jeśli każda para różnych punktów x, y X, x y jest parą Li-Yorke a, to układ (X, f) nazywamy totalnie splątanym. Wprowadzone poniżej pojęcia par DC1 i DC2 są pewnym wzmocnieniem omówionych powyżej typów par chaotycznych. Dla układu dynamicznego (X, f), dowolnego n N, dowolnych punktów x, y X oraz t > 0 definiujemy: Φ (n) xy (t) = 1 n #{i : d(f i (x), f i (y)) < t, 0 i < n}, Φ xy (t) = lim inf n Φ xy(t) = lim sup n Φ(n) xy (t), Φ (n) xy (t). Wielkości Φ xy, Φ xy nazywamy odpowiednio dolną i górną gęstością pary (x, y). 14

16 Definicja Niech (X, f) będzie układem dynamicznym i niech x, y X. (DC1) Parę (x, y) nazywamy parą DC1, jeśli: Φ xy(t) = 1 dla wszystkich t > 0 oraz Φ xy (s) = 0 dla pewnego s > 0. (DC2) Parę (x, y) nazywamy parą DC2, jeśli: Φ xy(t) = 1 dla wszystkich t > 0 oraz Φ xy (s) < 1 dla pewnego s > 0. Mówiąc ogólnie definicja 1.27 oznacza, że orbity punktów tworzących parę DC1 są stosunkowo blisko siebie przez długie okresy czasu, ale znajdziemy też takie momenty, kiedy orbity są od siebie znacząco oddalone i ta sytuacja również utrzymuje się przez relatywnie długie odcinki czasu. Natomiast orbity punktów tworzących parę DC2 są położone stosunkowe blisko siebie, ale istnieją takie momenty, dla których górna gęstość jest mniejsza niż 1. Każda para punktów spełniających warunek (DC1) spełnia także warunek (DC2). Niepusty, zwarty podzbiór M X nazywamy zbiorem doskonałym, jeśli nie zawiera on punktów izolowanych. Zbiorem Cantora nazywamy dowolny zbiór doskonały i całkowicie niespójny (czyli taki, w którym każda składowa spójna zawiera co najwyżej jeden punkt). Jeśli zbiór M X może być przedstawiony jako co najwyżej przeliczalna suma zbiorów Cantora, to M nazywamy zbiorem Mycielskiego. Zbiór M zawierający przeliczalne przecięcie otwartych i gęstych podzbiorów X nazywamy zbiorem rezydualnym w X. Definicja Niech (X, f) będzie układem dynamicznym i niech S X. 1. Zbiór S nazywamy dystrybucyjnie splątanym (krócej: splątanym), jeśli każda para (x, y) S S \ jest parą DC1. 2. Zbiór S nazywamy dystrybucyjnie ε-splątanym (krócej: ε-splątanym) dla pewnego ε > 0, jeśli S jest splątany i Φ xy (ε) = 0 dla dowolnych x, y S, x y. 3. Jeśli w układzie dynamicznym (X, f) istnieje nieprzeliczalny zbiór splątany S, to układ ten nazywamy dystrybucyjnie chaotycznym. Jeśli dodatkowo zbiór S jest ε-splątany, to mówimy, że układ (X, f) jest jednostajnie dystrybucyjnie chaotyczny. Poniższy fakt przytaczamy za [14]: Fakt Dla dowolnego ε > 0 zbiór ε-splątany może być albo domknięty albo niezmienniczy, ale nie może posiadać obu tych własności jednocześnie. Warunkiem przeciwstawnym do chaotyczności układu jest równociągłość. Definicja Układ dynamiczny (X, f) nazywamy równociągłym, jeśli dla dowolnego ε > 0 istnieje δ > 0 takie, że dla dowolnych x, y X spełniających warunek d(x, y) < δ zachodzi d(f n (x), f n (y)) < ε dla n N 0. 15

17 Definicja Punkt x X nazywamy punktem równociągłości układu dynamicznego (X, f), jeśli dla dowolnego ε > 0 istnieje δ > 0 takie, że jeśli y X spełnia warunek d(x, y) < δ, to d(f n (x), f n (y)) < ε dla n N 0. Ze zwartości X wynika, że jeśli każdy element x X jest punktem równociągłości, to układ (X, f) jest równociągły. Definicja Układ (X, f) nazywamy prawie równociągłym, jeśli X zawiera co najmniej jeden punkt równociągłości. Definicja Układ (X, f) nazywamy wrażliwym na warunki początkowe, jeśli istnieje ε > 0 takie, że dla dowolnego niepustego zbioru otwartego U X istnieją x, y U takie, że d(f n (x), f n (y)) > ε dla pewnego n N. Wrażliwość na warunki początkowe oznacza, że w otoczeniu dowolnego punktu znajdują się orbity punktów zachowujących się w sposób istotnie różny od danego. W związku z tym dowolnie małe zaburzenie wprowadzone w działanie układu przy wyznaczaniu punktu początkowego może skutkować znaczącymi zmianami zachowania układu. Za pracą [2] przytaczamy twierdzenie charakteryzujące tranzytywne układy równociągłe: Twierdzenie Niech (X, f) będzie tranzytywnym układem dynamicznym. Wtedy: 1. Jeśli (X, f) jest prawie równociągły, to zbiór jego punktów równociągłości jest równy zbiorowi T rans(x, f). W szczególności każdy minimalny układ prawie równociągły jest równociągły. 2. Jeśli (X, f) nie zawiera punktów równociągłości, to jest wrażliwy na warunki początkowe. W szczególności każdy minimalny układ dynamiczny może być albo równociągły, albo wrażliwy na warunki początkowe, ale nie może posiadać obydwu tych własności równocześnie. Kolejne twierdzenie pokazuje, że układ słabo mieszający nie może być równociągły: Twierdzenie Niech (X, f) będzie układem słabo mieszającym, #X 2. Wtedy układ (X, f) jest wrażliwy na warunki początkowe. Dowód. Ustalmy p, q X, p q i oznaczmy δ = d(p, q). Niech U, V będą otoczeniami odpowiednio p i q takimi, że U V =. Bez straty ogólności możemy przyjąć, że: U = {x X : d(p, x) < δ 3 } oraz V = {x X : d(q, x) < δ 3 }. Przyjmijmy ε = δ i ustalmy dowolny zbiór otwarty W X. Z własności słabego 3 mieszania wynika, że istnieją x, y W oraz k N takie, że f k (x) U oraz f k (y) V, ale w takim razie: d(f k (x), f k (y)) > ε, co oznacza, że układ jest wrażliwy na warunki początkowe. 16

18 Za [58] wprowadzimy podstawowe pojęcia dotyczące teorii ergodycznej, zajmującej się badaniem długoterminowego zachowania układów dynamicznych pod kątem probabilistycznym. Definicja Niech (X, B, µ 1 ) i (Y, C, µ 2 ) będą przestrzeniami probabilistycznymi i niech T : X Y. 1. Odwzorowanie T nazywamy mierzalnym, jeśli T 1 (A) B dla dowolnego A C. 2. Odwzorowanie T nazywamy zachowującym miarę, jeśli jest mierzalne oraz dla dowolnego C C zachodzi: µ 1 (T 1 (C)) = µ 2 (C). 3. jeśli T : X X jest odwzorowaniem zachowującym miarę oraz µ 1 = µ 2, to miarę µ 1 nazywamy T -niezmienniczą. Zauważmy, że własność zachowywania miary zależy od definicji rodziny B oraz miary µ 1 w (X, B, µ 1 ). Jeśli spełniony jest punkt 2. z definicji 1.36, to czwórkę (X, B, µ 1, T ) nazywamy układem zachowującym miarę. Definicja Niech (X, B, µ) będzie przestrzenią probabilistyczną i niech T będzie odwzorowaniem zachowującym miarę. Odwzorowanie T nazywamy ergodycznym, jeśli dla dowolnego zbioru mierzalnego A B spełniającego warunek T 1 (A) = A zachodzi µ(a) {0, 1}. Przy założeniach definicji 1.36 przyjmujemy oznaczenie L 1 µ 1 funkcji mierzalnych f : X C, które spełniają warunek: f dµ 1 <. na zbiór wszystkich Warto zaznaczyć, że tak zdefiniowana przestrzeń L 1 µ 1 jest przestrzenią Banacha. Następujące twierdzenie udowodnione przez G.D.Birkhoffa jest jednym z podstawowych wyników w teorii ergodycznej: Twierdzenie Niech (X, B, µ) będzie przestrzenią probabilistyczną, f L 1 µ i niech T : X X będzie odwzorowaniem zachowującym miarę. Wtedy istnieje T -niezmiennicza funkcja f L 1 µ taka, że: n 1 1 lim f(t i (x)) = f (x) n n i=0 prawie wszędzie. Ponadto f T = f oraz jeśli µ(x) < to f dµ = fdµ. Jeśli T jest ergodyczne, to f jest stała prawie wszędzie oraz jeśli µ(x) < to f = fdµ. Bardziej szczegółowe własności miar niezmienniczych można znaleźć w [58]. 17

19 2 Podstawowe pojęcia dynamiki symbolicznej Teoria układów dynamicznych bada zjawiska fizyczne, czy biologiczne tworząc ich matematyczne modele. Często jednak zjawiska te są na tyle złożone, że już na etapie tworzenia odpowiadającego im modelu matematycznego potrzebne jest pewne ich uproszczenie. Jednym z możliwych uproszczeń w ogólnej teorii jest dyskretyzacja czasu w badanym układzie, czym zajmuje się teoria dyskretnych układów dynamicznych. Oznacza to, że badając zachowanie danego obiektu w ustalonej przestrzeni obserwujemy stany, w jakich znajduje się ten obiekt w pewnych konkretnych odstępach (jednostkach) czasu nie zajmując się tym co dzieje się z obiektem pomiędzy pomiarami. Dynamika symboliczna idzie o krok dalej, dyskretyzując także obserwowaną przestrzeń, czyli dzieląc ją na pewną, skończoną lub nieskończoną, liczbę rozłącznych obszarów. Obserwacja takiego układu prowadzona jest w dyskretnych jednostkach czasu i polega na odnotowaniu etykiet tych obszarów, w których znajduje się obserwowany obiekt w danych jednostkach czasu. Kolejność symboli w takim nieskończonym ciągu etykiet opisującym trajektorię tego obiektu jest zgodna z kolejnością odwiedzania przez badany obiekt obszarów o poszczególnych etykietach. Niech A oznacza dowolny zbiór skończony. Zgodnie z konwencją przyjmujemy, że A jest zbiorem postaci {0, 1,..., k 1} dla pewnego k N. Taki zbiór A nazywamy alfabetem o mocy k, a jego elementy nazywamy literami lub symbolami. Przez A oznaczamy wolny monoid generowany przez alfabet A. Elementami tego monoidu są skończone ciągi liter z alfabetu A, które nazywamy słowami. Długością słowa x A nazywamy liczbę liter występujących w tym słowie (wraz z powtórzeniami) i oznaczamy przez x. Zauważmy, że każdą literę z alfabetu A możemy traktować jako słowo długości 1, z czego wprost wynika, że alfabet A zawiera się w monoidzie A. Monoid A rozważamy wraz z operacją konkatenacji, zdefiniowaną dla dowolnych elementów a = a 0... a m, b = b 0... b n A następująco: ab = a 0... a m b 0... b n. Elementem neutralnym konkatenacji jest słowo puste, oznaczane przez ɛ. Przyjmujemy, że ɛ = 0. Rozważmy zbiór nieskończonych ciągów nad alfabetem A: A N 0 = {x = {x n } n N0 : x n A dla każdego n N 0 }. Elementy powyższego zbioru zapisywane jako x = x 0 x 1 x 2... nazywamy nieskończonymi słowami lub ciągami. Każdy skończony podciąg kolejnych symboli elementu x A N 0 nazywamy podsłowem, słowem lub blokiem. Uwaga: W niektórych przypadkach będziemy stosować notację skróconą, przyjmujemy więc, że dla dowolnego słowa u A symbol u k oznacza konkatenację k bloków u, natomiast u oznacza słowo nieskończone złożone z bloków u. Podsłowo postaci x k x k+1... x j dla k j oznaczamy przez x [k,j], przy czym przyjmujemy, że x [k,k] = x k. Dla skończonego słowa x = x 0... x n oraz ustalonego k n podsłowo postaci x [0,k] nazywamy prefiksem słowa x, natomiast podsłowo postaci x [k,n] nazywamy sufiksem słowa x. Analogicznie definiujemy prefiks słowa nieskończonego x = x 0 x 1 x 2... jako podsłowo postaci x [0,k] dla k N 0. 18

20 W zbiorze A N 0 możemy wprowadzić następującą metrykę: d(x, y) := { 2 min{n N: x n y n} dla x y, 0 w przeciwnym przypadku. W myśl metryki d dwa ciągi są położone tym bliżej siebie, im dłuższy jest ich wspólny prefiks. Zbiór A N 0 jest zwartą przestrzenią metryczną, w której możemy zadać topologię pochodzącą od metryki d. Zbiory otwarte tworzące bazę tej topologii to tak zwane zbiory cylindryczne, które definiujemy następująco dla dowolnego skończonego słowa w = w 0... w k A : [w] = {x A N 0 : x [0,k] = w}. Definicja 2.1. Niech σ : A N 0 A N 0 będzie odwzorowaniem zdefiniowanym następująco: (σ(x)) n = x n+1 dla każdego n N 0. Odwzorowanie σ nazywamy odwzorowaniem przesunięcia lub, krócej, przesunięciem. Łatwo zauważyć, że jest to odwzorowanie ciągłe. Uwaga: W literaturze funkcjonuje także zapożyczona z języka angielskiego nazwa shift, odnosząca się zarówno do zdefiniowanego powyżej odwzorowania σ, jak i do symbolicznego układu dynamicznego, w którym σ jest odwzorowaniem. Żeby uniknąć niejednoznaczności w niniejszej pracy stosować będziemy wprowadzoną w definicji 2.1 nazwę przesunięcie na odwzorowanie σ oraz przestrzeń z przesunięciem na zdefiniowany poniżej symboliczny układ dynamiczny. Definicja 2.2. Niech X A N 0. Parę (X, σ X ) nazywamy przestrzenią z przesunięciem, jeśli spełnia następujące warunki: 1. X jest domknięty, 2. X jest σ-niezmienniczy, tzn. σ(x) X. W szczególności powyższą definicję 2.2 spełnia cały zbiór A N 0. Układ dynamiczny (A N 0, σ) nazywamy pełną przestrzenią z przesunięciem nad alfabetem mocy k. Podprzestrzenią przestrzeni z przesunięciem (X, σ X ) nazywamy parę (Y, σ Y ) taką, że Y X, która spełnia definicję 2.2. Widać, że dowolna przestrzeń z przesunięciem jest jednocześnie podprzestrzenią pełnej przestrzeni z przesunięciem (A N 0, σ). Uwaga: W definicji 2.2 restrykcja przesunięcia σ X jest jednoznacznie związana ze zbiorem X. W związku z tym w dalszej części rozprawy będziemy stosować oznaczenie σ zamiast σ X, odnosząc ten symbol każdorazowo do odpowiedniego zawężenia przesunięcia σ z definicji 2.1. Uwaga: Definicje własności dynamicznych wprowadzonych w rozdziale 1 odnoszą się także do przestrzeni z przesunięciem. Wart zaznaczenia jest fakt, że w przypadku tych przestrzeni odwzorowanie z definicji 1.1 układu dynamicznego jest zawsze tym samym przesunięciem σ, zawężonym jedynie do aktualnie rozważanego podzbioru X A N 0. Własności dynamiczne przestrzeni z przesunięciem zależą więc 19

21 w większej mierze od tego jakie elementy zawiera rozważany podzbiór X A N 0, niż od samego odwzorowania. W związku z tym określenia przestrzeń z przesunięciem będziemy używać w odniesieniu do danego zbioru X nieskończonych ciągów spełniającego warunki definicji 2.2, mając na myśli parę (X, σ). Podobnie będziemy pomijać odwzorowanie σ w notacji T rans(x), Rec(X), P er(x) oznaczającej odpowiednio zbiór punktów tranzytywnych, rekurencyjnych i okresowych przestrzeni z przesunięciem X. Własności takie jak tranzytywność, słabe mieszanie, własność specyfikacji, jednostajna sztywność, entropia będziemy odnosić bezpośrednio do zbioru X z definicji 2.2. Uwaga: W sytuacjach, gdy z kontekstu jasno wynika, że X jest przestrzenią z przesunięciem będziemy stosować określenie przestrzeń X. Definicja 2.3. Ciąg u A N 0 nazywamy minimalnym jeśli dla każdego n N istnieje K N takie, że dla każdego j N 0 zachodzi: {i N 0 : x [i,i+n] = x [0,n] } [j, j + K]}. Oznacza to, że ciąg u A N 0 jest minimalny jeśli dowolne skończone podsłowo występuje w ciągu u nieskończenie wiele razy, a długości przerw pomiędzy dwoma kolejnymi wystąpieniami tego podsłowa są ograniczone z góry. Dla dowolnego u A N 0 możemy zdefiniować przestrzeń z przesunięciem generowaną przez ten element jako X u = O(u), gdzie O(u) oznacza orbitę punktu u w myśl definicji 1.2. Tego typu konstrukcja zapewnia, że dla pary (O(u), σ) są spełnione warunki z definicji 2.2, w szczególności zbiór O(u) jest domknięty i σ-niezmienniczy. Ciąg u nazywamy wtedy ciągiem generującym lub generatorem przestrzeni X, natomiast o przestrzeni X mówimy, że jest generowana przez ciąg u. Dość oczywistym wydaje się fakt, że własności ciągu generującego przestrzeń z przesunięciem zdefiniowanej w powyższy sposób nie pozostają bez wpływu na własności całego układu. W szczególności zachodzi związek pomiędzy minimalnością ciągu, a minimalnością generowanej przez niego przestrzeni. Nie każda bowiem przestrzeń z przesunięciem zdefiniowana jako domknięcie orbity pewnego nieskończonego ciągu jest minimalna, co pokazuje następujący przykład: Przykład 2.4. Niech A = {0, 1}, u = i niech X = O(u). Wtedy X = {1 3 0, 1 2 0, 10, 0 } zawiera minimalną podprzestrzeń Y = {0 }. Zachodzi natomiast następujący fakt, którego dowód można znaleźć w [34]: Fakt 2.5. Przestrzeń z przesunięciem X u = O(u) jest minimalna wtedy i tylko wtedy, gdy u jest ciągiem minimalnym. Definicja 2.6. Dla dowolnej przestrzeni z przesunięciem X językiem słów dopuszczalnych przestrzeni X (lub krócej: językiem przestrzeni) nazywamy zbiór: L(X) = L n (X), n=0 gdzie L n (X) oznacza zbiór wszystkich słów długości n N występujących jako podsłowa w elementach przestrzeni X, to znaczy: L n (X) = {w A : w = n oraz istnieją x X, i, j N 0 takie, że i j, w = x [i,j] }. 20

22 Elementy L(X) nazywamy słowami dopuszczalnymi przestrzeni X. Z własnościami słów należących do języka L(X) związane jest następujące pojęcie nieredukowalności: Definicja 2.7. Mówimy, że przestrzeń z przesunięciem X jest nieredukowalna, jeśli dla dowolnych słów u, v L(X) istnieje słowo w L(X) takie, że uwv L(X). Definicja 2.7 oznacza, że dowolne dwa słowa dopuszczalne dla danej przestrzeni można skleić przy pomocy konkatenacji kolejnym słowem należącym do języka tej przestrzeni, otrzymując także słowo dopuszczalne. Przejdziemy do własności dynamicznych symbolicznych układów dynamicznych, prezentując odpowiedniki definicji wprowadzonych w rozdziale 1 dla przestrzeni z przesunięciem. Na początek podamy warunek równoważny tranzytywności dla tych przestrzeni. Fakt 2.8. Przestrzeń z przesunięciem X jest tranzytywna wtedy i tylko wtedy, gdy jest nieredukowalna. Dowód. Założmy, że przestrzeń X jest tranzytywna i ustalmy dowolne dopuszczalne słowa u, v L(X). Niech [u], [v] oznaczają zbiory cylindryczne odpowiadające tym słowom. Z tranzytywności wynika, że istnieje n N takie, że σ n ([u]) [v], bądź, równoważnie, [u] σ n ([v]). Niech więc z będzie elementem tego przecięcia. Wtedy blok: z [0,n+ v 1] = uz [ u,n 1] v jest dopuszczalny, czyli dla w = z [ u,n 1] spełniona jest definicja nieredukowalności. Niech teraz X będzie nieredukowalną przestrzenią z przesunięciem. Ustalmy dwa dowolne słowa dopuszczalne u, v L(X) i rozważmy ich zbiory cylindryczne [u], [v]. Pokażemy najpierw, że istnieje n N takie, że σ n ([u]) [v]. Z nieredukowalności X wynika, że istnieje słowo w L(X) takie, że uwv jest dopuszczalne w X. Jeśli przyjmiemy n = uw, to [u] σ n ([v]). Weźmy teraz dwa dowolne, otwarte, niepuste zbiory U, V X. Istnieją wtedy słowa u U oraz v V takie, że: dla pewnych k, l N. {x X : x [k,k+ u 1] = u} U, {x X : x [l,l+ v 1] = v} V Za pracą [27] przytaczamy następujący lemat: Lemat 2.9. Niech X będzie tranzytywną przestrzenią z przesunięciem i niech x X będzie punktem tranzytywnym. Przestrzeń X jest jednostajnie sztywna wtedy i tylko wtedy, gdy istnieje rosnący ciąg liczb naturalnych {n k } k N taki, że dla dowolnego ε > 0 istnieje N > 0 takie, że: x nk +j x j < ε dla k > N, j > 0. 21

23 Zauważmy, że powyższy lemat oznacza, że dla ciągu {n k } k N kolejne iteracje punktu x zmierzają do identyczności. To mogłoby sugerować, że jednostajnie sztywne przestrzenie z przesunięciem będą raczej układami uporządkowanymi, czyli o dość prostej strukturze, i nie spotkamy się w nich ze skomplikowaną dynamiką. Istnieją jednak przykłady układów jednostajnie sztywnych i jednocześnie słabo mieszających. Konstrukcję takiej przestrzeni zaprezentujemy w rozdziale 5. Jednym z podstawowych pojęć tej pracy jest pojęcie entropii topologicznej. Entropia topologiczna w przypadku przestrzeni z przesunięciem generowanych przez pewien nieskończony ciąg może być interpretowana w następujący sposób: każda z liter alfabetu A, nad którym zbudowany jest ciąg generujący, występuje w nim z pewnym prawdopodobieństwem. Jeśli przypiszemy każdemu z możliwych słów ze zbioru L n (X) liczbę wystąpień tego słowa w ciągu generującym, to entropia topologiczna określa jak bardzo rozkład prawdopodobieństwa pojawienia się danego słowa długości n odbiega od rozkładu jednostajnego, w którym każde słowo ustalonej długości n ma takie samo prawdopodobieństwo wystąpienia w ciągu (dla rozważanego w tej pracy alfabetu dwuelementowego prawdopodobieństwo to wynosi 2 n ). Poniższą definicję entropii topologicznej dla przestrzeni z przesunięciem wprowadzamy za [40]: Definicja Entropię topologiczną przestrzeni z przesunięciem X definiujemy jako: 1 h(x) = lim n n log L n(x). Dowód faktu, że dla dowolnej przestrzeni z przesunięciem granica z definicji 2.10 istnieje można znaleźć w [40], podobnie jak dowód równoważności definicji 2.10 z definicją Polega on na wykazaniu, że Span(σ, n, 2 k ) = L n+2k (X). Z definicji wynika, że wartość h(x) należy do przedziału [0, 1] dla dowolnej przestrzeni z przesunięciem X nad alfabetem dwuelementowym {0, 1}. Oznacza to w szczególności, że wartość entropii topologicznej dla takiej przestrzeni nigdy nie jest nieskończona. Na początku rozdziału zaznaczyliśmy, że domknięcie orbity pewnego nieskończonego ciągu ze zbioru A N 0 jest przestrzenią z przesunięciem. Istnieją także inne możliwości zdefiniowania domkniętego i σ-niezmienniczego podzbioru A N 0, jakim jest taka przestrzeń. W zależności od wybranej metody konstrukcji i narzuconych warunków dodatkowych możemy spodziewać się różnych własności otrzymanego układu. Poniżej zaprezentujemy trzy z pośród możliwych sposobów definicji przestrzeni z przesunięciem: poprzez zbiór słów zabronionych, przez podstawienie oraz przez grafy etykietowane. Wprowadzimy także pojęcie przestrzeni z przesunięciem rzędu N dla N N. Jest to uogólnienie definicji 2.2, w którym rolę alfabetu odgrywa nie zbiór symboli, lecz zbiór skończonych słów. Wśród skonstruowanych przestrzeni wyróżnimy też pewne specjalne klasy. W przypadku przestrzeni z przesunięciem definiowanych przez zbiór słów zabronionych będą to przestrzenie skończonego typu, w przypadku przestrzeni podstawieniowych - przestrzenie z przesunięciem generowane przez podstawienie niewymazujące. Przy definicji grafowej interesować nas będą przestrzenie typu sofic, a zwłaszcza ich jednoznaczna w prawo reprezentacja grafowa. Oznaczmy przez F dowolny podzbiór A. Dla takiego zbioru słów F możemy zdefiniować X F A N 0 jako zbiór wszystkich elementów A N 0, które nie zawierają 22

Wykład 10. Stwierdzenie 1. X spełnia warunek Borela wtedy i tylko wtedy, gdy każda scentrowana rodzina zbiorów domkniętych ma niepusty przekrój.

Wykład 10. Stwierdzenie 1. X spełnia warunek Borela wtedy i tylko wtedy, gdy każda scentrowana rodzina zbiorów domkniętych ma niepusty przekrój. Wykład 10 Twierdzenie 1 (Borel-Lebesgue) Niech X będzie przestrzenią zwartą Z każdego pokrycia X zbiorami otwartymi można wybrać podpokrycie skończone Dowód Lemat 1 Dla każdego pokrycia U przestrzeni ośrodkowej

Bardziej szczegółowo

Korzystając z własności metryki łatwo wykazać, że dla dowolnych x, y, z X zachodzi

Korzystając z własności metryki łatwo wykazać, że dla dowolnych x, y, z X zachodzi M. Beśka, Wstęp do teorii miary, Dodatek 158 10 Dodatek 10.1 Przestrzenie metryczne Niech X będzie niepustym zbiorem. Funkcję d : X X [0, ) spełniającą dla x, y, z X warunki (i) d(x, y) = 0 x = y, (ii)

Bardziej szczegółowo

1 Zbiory. 1.1 Kiedy {a} = {b, c}? (tzn. podać warunki na a, b i c) 1.2 Udowodnić, że A {A} A =.

1 Zbiory. 1.1 Kiedy {a} = {b, c}? (tzn. podać warunki na a, b i c) 1.2 Udowodnić, że A {A} A =. 1 Zbiory 1.1 Kiedy {a} = {b, c}? (tzn. podać warunki na a, b i c) 1.2 Udowodnić, że A {A} A =. 1.3 Pokazać, że jeśli A, B oraz (A B) (B A) = C C, to A = B = C. 1.4 Niech {X t } będzie rodziną niepustych

Bardziej szczegółowo

F t+ := s>t. F s = F t.

F 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 szczegółowo

Zadania do Rozdziału X

Zadania do Rozdziału X Zadania do Rozdziału X 1. 2. Znajdź wszystkie σ-ciała podzbiorów X, gdy X = (i) {1, 2}, (ii){1, 2, 3}. (b) Znajdź wszystkie elementy σ-ciała generowanego przez {{1, 2}, {2, 3}} dla X = {1, 2, 3, 4}. Wykaż,

Bardziej szczegółowo

Rodzinę F złożoną z podzbiorów zbioru X będziemy nazywali ciałem zbiorów, gdy spełnione są dwa następujące warunki.

Rodzinę F złożoną z podzbiorów zbioru X będziemy nazywali ciałem zbiorów, gdy spełnione są dwa następujące warunki. 3. Funkcje borelowskie. Rodzinę F złożoną z podzbiorów zbioru X będziemy nazywali ciałem zbiorów, gdy spełnione są dwa następujące warunki. (1): Jeśli zbiór Y należy do rodziny F, to jego dopełnienie X

Bardziej szczegółowo

Rozdział 6. Ciągłość. 6.1 Granica funkcji

Rozdział 6. Ciągłość. 6.1 Granica funkcji Rozdział 6 Ciągłość 6.1 Granica funkcji Podamy najpierw dwie definicje granicy funkcji w punkcie i pokażemy ich równoważność. Definicja Cauchy ego granicy funkcji w punkcie. Niech f : X R, gdzie X R oraz

Bardziej szczegółowo

O pewnych związkach teorii modeli z teorią reprezentacji

O 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 szczegółowo

jest ciągiem elementów z przestrzeni B(R, R)

jest ciągiem elementów z przestrzeni B(R, R) Wykład 2 1 Ciągi Definicja 1.1 (ciąg) Ciągiem w zbiorze X nazywamy odwzorowanie x: N X. Dla uproszczenia piszemy x n zamiast x(n). Przykład 1. x n = n jest ciągiem elementów z przestrzeni R 2. f n (x)

Bardziej szczegółowo

domykanie relacji, relacja równoważności, rozkłady zbiorów

domykanie relacji, relacja równoważności, rozkłady zbiorów 1 of 8 2012-03-28 17:45 Logika i teoria mnogości/wykład 5: Para uporządkowana iloczyn kartezjański relacje domykanie relacji relacja równoważności rozkłady zbiorów From Studia Informatyczne < Logika i

Bardziej szczegółowo

G. Plebanek, MIARA I CAŁKA Zadania do rozdziału 1 28

G. Plebanek, MIARA I CAŁKA Zadania do rozdziału 1 28 G. Plebanek, MIARA I CAŁKA Zadania do rozdziału 1 28 1.9 Zadania 1.9.1 Niech R będzie pierścieniem zbiorów. Zauważyć, że jeśli A, B R to A B R i A B R. Sprawdzić, że (R,, ) jest także pierścieniem w sensie

Bardziej szczegółowo

Robert Kowalczyk. Zbiór zadań z teorii miary i całki

Robert Kowalczyk. Zbiór zadań z teorii miary i całki Robert Kowalczyk Zbiór zadań z teorii miary i całki 2 Zadanie 1 Pokazać, że poniższe dwie definicje σ-ciała M są równoważne: (i) Rodzinę M podzbiorów przestrzeni X nazywamy σ-ciałem jeżeli zachodzą następujące

Bardziej szczegółowo

A i. i=1. i=1. i=1. i=1. W dalszej części skryptu będziemy mieli najczęściej do czynienia z miarami określonymi na rodzinach, które są σ - algebrami.

A i. i=1. i=1. i=1. i=1. W dalszej części skryptu będziemy mieli najczęściej do czynienia z miarami określonymi na rodzinach, które są σ - algebrami. M. Beśka, Wstęp do teorii miary, rozdz. 3 25 3 Miara 3.1 Definicja miary i jej podstawowe własności Niech X będzie niepustym zbiorem, a A 2 X niepustą rodziną podzbiorów. Wtedy dowolne odwzorowanie : A

Bardziej szczegółowo

Teoria miary. WPPT/Matematyka, rok II. Wykład 5

Teoria miary. WPPT/Matematyka, rok II. Wykład 5 Teoria miary WPPT/Matematyka, rok II Wykład 5 Funkcje mierzalne Niech (X, F) będzie przestrzenią mierzalną i niech f : X R. Twierdzenie 1. NWSR 1. {x X : f(x) > a} F dla każdego a R 2. {x X : f(x) a} F

Bardziej szczegółowo

Rozdział 4. Ciągi nieskończone. 4.1 Ciągi nieskończone

Rozdział 4. Ciągi nieskończone. 4.1 Ciągi nieskończone Rozdział 4 Ciągi nieskończone W rozdziale tym wprowadzimy pojęcie granicy ciągu. Dalej rozszerzymy to pojęcie na przypadek dowolnych funkcji. Jak zauważyliśmy we wstępie jest to najważniejsze pojęcie analizy

Bardziej szczegółowo

7. Miara, zbiory mierzalne oraz funkcje mierzalne.

7. Miara, zbiory mierzalne oraz funkcje mierzalne. 7. Miara, zbiory mierzalne oraz funkcje mierzalne. Funkcję rzeczywistą µ nieujemną określoną na ciele zbiorów S będziemy nazywali miarą, gdy dla dowolnego ciągu A 0, A 1,... zbiorów rozłącznych należących

Bardziej szczegółowo

n=0 Dla zbioru Cantora prawdziwe są wersje lematu 3.6 oraz lematu 3.8 przy założeniu α = :

n=0 Dla zbioru Cantora prawdziwe są wersje lematu 3.6 oraz lematu 3.8 przy założeniu α = : 4. Zbiory borelowskie. Zbiór wszystkich podzbiorów liczb naturalnych będziemy oznaczali przez ω. Najmniejszą topologię na zbiorze ω, w której zbiory {A ω : x A ω \ y}, gdzie x oraz y są zbiorami skończonymi,

Bardziej szczegółowo

Zdzisław Dzedzej. Politechnika Gdańska. Gdańsk, 2013

Zdzisław Dzedzej. Politechnika Gdańska. Gdańsk, 2013 Zdzisław Dzedzej Politechnika Gdańska Gdańsk, 2013 1 PODSTAWY 2 3 Definicja. Przestrzeń metryczna (X, d) jest zwarta, jeśli z każdego ciągu {x n } w X można wybrać podciąg zbieżny {x nk } w X. Ogólniej

Bardziej szczegółowo

1 Działania na zbiorach

1 Działania na zbiorach M. Beśka, Wstęp do teorii miary, rozdz. 1 1 1 Działania na zbiorach W rozdziale tym przypomnimy podstawowe działania na zbiorach koncentrując się na własnościach tych działań, które będą przydatne w dalszej

Bardziej szczegółowo

Rodzinę spełniającą trzeci warunek tylko dla sumy skończonej nazywamy ciałem (algebrą) w zbiorze X.

Rodzinę spełniającą trzeci warunek tylko dla sumy skończonej nazywamy ciałem (algebrą) w zbiorze X. 1 σ-ciała Definicja 1.1 (σ - ciało) σ - ciałem (σ - algebrą) w danym zbiorze X (zwanym przestrzenią) nazywamy rodzinę M pewnych podzbiorów zbioru X, spełniającą trzy warunki: 1 o M; 2 o jeśli A M, to X

Bardziej szczegółowo

2 Rodziny zbiorów. 2.1 Algebry i σ - algebry zbiorów. M. Beśka, Wstęp do teorii miary, rozdz. 2 11

2 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 szczegółowo

Wykłady ostatnie. Rodzinę P podzbiorów przestrzeni X nazywamy σ - algebrą, jeżeli dla A, B P (2) A B P, (3) A \ B P,

Wykłady ostatnie. Rodzinę P podzbiorów przestrzeni X nazywamy σ - algebrą, jeżeli dla A, B P (2) A B P, (3) A \ B P, Wykłady ostatnie CAŁKA LBSGU A Zasadnicza różnica koncepcyjna między całką Riemanna i całką Lebesgue a polega na zamianie ról przestrzeni wartości i przestrzeni argumentów przy konstrukcji sum górnych

Bardziej szczegółowo

zbiorów domkniętych i tak otrzymane zbiory domknięte ustawiamy w ciąg. Oznaczamy

zbiorów domkniętych i tak otrzymane zbiory domknięte ustawiamy w ciąg. Oznaczamy 5. Funkcje 1 klasy Baire a. Pod koniec XIX i początkiem XX wieku kilku matematyków zajmowało się problemami dotyczącymi klasyfikacji funkcji borelowskich: między innymi R. Baire, E. Borel, H. Lebesgue

Bardziej szczegółowo

1 Relacje i odwzorowania

1 Relacje i odwzorowania Relacje i odwzorowania Relacje Jacek Kłopotowski Zadania z analizy matematycznej I Wykazać, że jeśli relacja ρ X X jest przeciwzwrotna i przechodnia, to jest przeciwsymetryczna Zbadać czy relacja ρ X X

Bardziej szczegółowo

Teoria miary. Matematyka, rok II. Wykład 1

Teoria miary. Matematyka, rok II. Wykład 1 Teoria miary Matematyka, rok II Wykład 1 NAJBLIŻSZY CEL: Nauczyć się mierzyć wielkość zbiorów. Pierwsze przymiarki: - liczność (moc) zbioru - słabo działa dla zbiorów nieskończonych: czy [0, 1] powinien

Bardziej szczegółowo

Teoria miary i całki

Teoria miary i całki Teoria miary i całki Spis treści 1 Wstęp 3 2 lgebra zbiorów 5 3 Pierścienie, ciała, σ ciała zbiorów. 7 3.1 Definicja pierścienia ciała i σ ciała............... 7 3.2 Pierścień, ciało i σ ciało generowane

Bardziej szczegółowo

Zbiory liczbowe widziane oczami topologa

Zbiory liczbowe widziane oczami topologa Zbiory liczbowe widziane oczami topologa Aleksander Błaszczyk Instytut Matematyki Uniwersytetu Ślaskiego Brenna, 25 wrzesień 2018 Aleksander Błaszczyk (UŚ) Zbiory liczbowe widziane oczami topologa Brenna,

Bardziej szczegółowo

1 Elementy analizy funkcjonalnej

1 Elementy analizy funkcjonalnej M. Beśka, Dodatek 1 1 Elementy analizy funkcjonalnej 1.1 Twierdzenia o reprezentacji Zaczniemy od znanego twierdzenia Riesza Twierdzenie 1.1 (Riesz) Niech będzie zwartą przestrzenią metryczną i załóżmy,

Bardziej szczegółowo

Zasada indukcji matematycznej

Zasada indukcji matematycznej Zasada indukcji matematycznej Twierdzenie 1 (Zasada indukcji matematycznej). Niech ϕ(n) będzie formą zdaniową zmiennej n N 0. Załóżmy, że istnieje n 0 N 0 takie, że 1. ϕ(n 0 ) jest zdaniem prawdziwym,.

Bardziej szczegółowo

ZADANIA PRZYGOTOWAWCZE DO EGZAMINU Z UKŁADÓW DYNAMICZNYCH

ZADANIA PRZYGOTOWAWCZE DO EGZAMINU Z UKŁADÓW DYNAMICZNYCH ZADANIA PRZYGOTOWAWCZE DO EGZAMINU Z UKŁADÓW DYNAMICZNYCH Punkty okresowe, zbiory graniczne, sprzężenia Zadanie 1. Pokazać, że trajektoria (w przód) punktu x w przestrzeni metrycznej X pod działaniem ciągłego

Bardziej szczegółowo

Notatki z Analizy Matematycznej 2. Jacek M. Jędrzejewski

Notatki z Analizy Matematycznej 2. Jacek M. Jędrzejewski Notatki z Analizy Matematycznej 2 Jacek M. Jędrzejewski Definicja 3.1. Niech (a n ) n=1 będzie ciągiem liczbowym. Dla każdej liczby naturalnej dodatniej n utwórzmy S n nazywamy n-tą sumą częściową. ROZDZIAŁ

Bardziej szczegółowo

Topologia - Zadanie do opracowania. Wioletta Osuch, Magdalena Żelazna, Piotr Kopyrski

Topologia - Zadanie do opracowania. Wioletta Osuch, Magdalena Żelazna, Piotr Kopyrski Topologia - Zadanie do opracowania Wioletta Osuch, Magdalena Żelazna, Piotr Kopyrski 5 grudnia 2013 Zadanie 1. (Topologie na płaszczyźnie) Na płaszczyźnie R 2 rozważmy następujące topologie: a) Euklidesową

Bardziej szczegółowo

Zadania z Analizy Funkcjonalnej I Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi?

Zadania z Analizy Funkcjonalnej I Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi? Zadania z Analizy Funkcjonalnej I - 1 1. Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi? a) X = R, d(x, y) = arctg x y ; b) X = R n, d(x, y) = x 1 y 1 + x 2 y 2 + max i 3 x i

Bardziej szczegółowo

TEST A. A-1. Podaj aksjomaty przestrzeni topologicznej według W. Sierpińskiego: aksjomaty

TEST A. A-1. Podaj aksjomaty przestrzeni topologicznej według W. Sierpińskiego: aksjomaty TEST A A-1. Podaj aksjomaty przestrzeni topologicznej według W. Sierpińskiego: aksjomaty T 1 przestrzeni. Czym ta aksjomatyka różni się od aksjomatyki zbiorów otwartych? A-2. Ile różnych zbiorów otwartych

Bardziej szczegółowo

A-1. Podaj aksjomaty przestrzeni topologicznej według W. Sierpińskiego: aksjomaty

A-1. Podaj aksjomaty przestrzeni topologicznej według W. Sierpińskiego: aksjomaty A-1. Podaj aksjomaty przestrzeni topologicznej według W. Sierpińskiego: aksjomaty T 1 przestrzeni. Czym ta aksjomatyka różni się od aksjomatyki zbiorów otwartych? A-2. Wyprowadź z aksjomatów topologii

Bardziej szczegółowo

Prawa wielkich liczb, centralne twierdzenia graniczne

Prawa 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 szczegółowo

II. Równania autonomiczne. 1. Podstawowe pojęcia.

II. Równania autonomiczne. 1. Podstawowe pojęcia. II. Równania autonomiczne. 1. Podstawowe pojęcia. Definicja 1.1. Niech Q R n, n 1, będzie danym zbiorem i niech f : Q R n będzie daną funkcją określoną na Q. Równanie różniczkowe postaci (1.1) x = f(x),

Bardziej szczegółowo

Wstęp do Matematyki (4)

Wstęp do Matematyki (4) Wstęp do Matematyki (4) Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl Liczby kardynalne Jerzy Pogonowski (MEG) Wstęp do Matematyki (4) Liczby kardynalne 1 / 33 Wprowadzenie

Bardziej szczegółowo

Finanse i Rachunkowość studia niestacjonarne Wprowadzenie do teorii ciągów liczbowych (treść wykładu z 21 grudnia 2014)

Finanse i Rachunkowość studia niestacjonarne Wprowadzenie do teorii ciągów liczbowych (treść wykładu z 21 grudnia 2014) dr inż. Ryszard Rębowski DEFINICJA CIĄGU LICZBOWEGO Finanse i Rachunkowość studia niestacjonarne Wprowadzenie do teorii ciągów liczbowych (treść wykładu z grudnia 04) Definicja ciągu liczbowego Spośród

Bardziej szczegółowo

Wykłady... b i a i. i=1. m(d k ) inf

Wykłady... b i a i. i=1. m(d k ) inf Wykłady... CŁKOWNIE FUNKCJI WIELU ZMIENNYCH Zaczniemy od konstrukcji całki na przedziale domkniętym. Konstrukcja ta jest, w gruncie rzeczy, powtórzeniem definicji całki na odcinku domkniętym w R 1. Przedziałem

Bardziej szczegółowo

Ośrodkowość procesów, proces Wienera. Ośrodkowość procesów, proces Wienera Procesy Stochastyczne, wykład, T. Byczkowski,

Ośrodkowość procesów, proces Wienera. Ośrodkowość procesów, proces Wienera Procesy Stochastyczne, wykład, T. Byczkowski, Procesy Stochastyczne, wykład, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136 27 luty, 2012 Ośrodkowość procesów Dalej zakładamy, że (Ω, Σ, P) jest zupełną przestrzenią miarową. Definicja.

Bardziej szczegółowo

Zbiory, relacje i funkcje

Zbiory, relacje i funkcje Zbiory, relacje i funkcje Zbiory będziemy zazwyczaj oznaczać dużymi literami A, B, C, X, Y, Z, natomiast elementy zbiorów zazwyczaj małymi. Podstawą zależność między elementem zbioru a zbiorem, czyli relację

Bardziej szczegółowo

Matematyka dyskretna. Andrzej Łachwa, UJ, /10

Matematyka dyskretna. Andrzej Łachwa, UJ, /10 Matematyka dyskretna Andrzej Łachwa, UJ, 2018 andrzej.lachwa@uj.edu.pl 10/10 Podziały i liczby Stirlinga Liczba Stirlinga dla cykli (często nazywana liczbą Stirlinga pierwszego rodzaju) to liczba permutacji

Bardziej szczegółowo

Notatki z Analizy Matematycznej 1. Jacek M. Jędrzejewski

Notatki 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 szczegółowo

1. Struktury zbiorów 2. Miara 3. Miara zewnętrzna 4. Miara Lebesgue a 5. Funkcje mierzalne 6. Całka Lebesgue a. Analiza Rzeczywista.

1. Struktury zbiorów 2. Miara 3. Miara zewnętrzna 4. Miara Lebesgue a 5. Funkcje mierzalne 6. Całka Lebesgue a. Analiza Rzeczywista. Literatura P. Billingsley, Miara i prawdopodobieństwo, PWN, Warszawa 1997, P. R. Halmos, Measure theory, Springer-Verlag, 1994, W, Kołodziej, naliza matematyczna, PWN, Warszawa 1978, S. Łojasiewicz, Wstęp

Bardziej szczegółowo

O pewnych klasach funkcji prawie okresowych (niekoniecznie ograniczonych)

O pewnych klasach funkcji prawie okresowych (niekoniecznie ograniczonych) (niekoniecznie ograniczonych) Wydział Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza, Poznań Będlewo, 25-30 maja 2015 Funkcje prawie okresowe w sensie Bohra Definicja Zbiór E R nazywamy względnie

Bardziej szczegółowo

020 Liczby rzeczywiste

020 Liczby rzeczywiste 020 Liczby rzeczywiste N = {1,2,3,...} Z = { 0,1, 1,2, 2,...} m Q = { : m, n Z, n 0} n Operacje liczbowe Zbiór Dodawanie Odejmowanie Mnożenie Dzielenie N Z Q Pytanie Dlaczego zbiór liczb wymiernych nie

Bardziej szczegółowo

Logika 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 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 szczegółowo

Wstęp do przestrzeni metrycznych i topologicznych oraz ich zastosowań w ekonomii

Wstęp do przestrzeni metrycznych i topologicznych oraz ich zastosowań w ekonomii Wstęp do przestrzeni metrycznych i topologicznych oraz ich zastosowań w ekonomii Mirosław Sobolewski 25 maja 2010 Definicja. Przestrzenią metryczną nazywamy zbiór X z funkcją ρ : X X R przyporządkowującą

Bardziej szczegółowo

WYKŁAD Z ANALIZY MATEMATYCZNEJ I. dr. Elżbieta Kotlicka. Centrum Nauczania Matematyki i Fizyki

WYKŁAD Z ANALIZY MATEMATYCZNEJ I. dr. Elżbieta Kotlicka. Centrum Nauczania Matematyki i Fizyki WYKŁAD Z ANALIZY MATEMATYCZNEJ I dr. Elżbieta Kotlicka Centrum Nauczania Matematyki i Fizyki http://im0.p.lodz.pl/~ekot Łódź 2006 Spis treści 1. CIĄGI LICZBOWE 2 1.1. Własności ciągów liczbowych o wyrazach

Bardziej szczegółowo

- Dla danego zbioru S zbiór wszystkich jego podzbiorów oznaczany symbolem 2 S.

- Dla danego zbioru S zbiór wszystkich jego podzbiorów oznaczany symbolem 2 S. 1 Zbiór potęgowy - Dla danego zbioru S zbiór wszystkich jego podzbiorów oznaczany symbolem 2 S. - Dowolny podzbiór R zbioru 2 S nazywa się rodziną zbiorów względem S. - Jeśli S jest n-elementowym zbiorem,

Bardziej szczegółowo

LOGIKA I TEORIA ZBIORÓW

LOGIKA 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 szczegółowo

B jest liniowo niezależny V = lin (B) 1. Układ pusty jest bazą przestrzeni trywialnej {θ}. a i v i = i I. b i v i, (a i b i ) v i = θ.

B jest liniowo niezależny V = lin (B) 1. Układ pusty jest bazą przestrzeni trywialnej {θ}. a i v i = i I. b i v i, (a i b i ) v i = θ. 8 Baza i wymiar Definicja 8.1. Bazą przestrzeni liniowej nazywamy liniowo niezależny układ jej wektorów, który generuję tę przestrzeń. Innymi słowy, układ B = (v i ) i I wektorów z przestrzeni V jest bazą

Bardziej szczegółowo

Analiza matematyczna 1 - test egzaminacyjny wersja do ćwiczeń

Analiza matematyczna 1 - test egzaminacyjny wersja do ćwiczeń Analiza matematyczna 1 - test egzaminacyjny wersja do ćwiczeń Leszek Skrzypczak 1. Niech E = {x [0, 1] : x = k 2 n k = 1, 2,... 2 n, n = 1, 2, 3,...} Wówczas: (a) Dla dowolnych liczb wymiernych p, q [0,

Bardziej szczegółowo

7 Twierdzenie Fubiniego

7 Twierdzenie Fubiniego M. Beśka, Wstęp do teorii miary, wykład 7 19 7 Twierdzenie Fubiniego 7.1 Miary produktowe Niech i będą niepustymi zbiorami. Przez oznaczmy produkt kartezjański i tj. zbiór = { (x, y : x y }. Niech E oraz

Bardziej szczegółowo

Indukcja. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Indukcja. 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 szczegółowo

ϕ(t k ; p) dla pewnego cigu t k }.

ϕ(t k ; p) dla pewnego cigu t k }. VI. Trajektorie okresowe i zbiory graniczne. 1. Zbiory graniczne. Rozważamy równanie (1.1) x = f(x) z funkcją f : R n R n określoną na całej przestrzeni R n. Będziemy zakładać, że funkcja f spełnia założenia,

Bardziej szczegółowo

Krzywa uniwersalna Sierpińskiego

Krzywa uniwersalna Sierpińskiego Krzywa uniwersalna Sierpińskiego Małgorzata Blaszke Karol Grzyb Streszczenie W niniejszej pracy omówimy krzywą uniwersalną Sierpińskiego, zwaną również dywanem Sierpińskiego. Pokażemy klasyczną metodę

Bardziej szczegółowo

5. Algebra działania, grupy, grupy permutacji, pierścienie, ciała, pierścień wielomianów.

5. Algebra działania, grupy, grupy permutacji, pierścienie, ciała, pierścień wielomianów. 5. Algebra działania, grupy, grupy permutacji, pierścienie, ciała, pierścień wielomianów. Algebra jest jednym z najstarszych działów matematyki dotyczącym początkowo tworzenia metod rozwiązywania równań

Bardziej szczegółowo

Języki i operacje na językach. Teoria automatów i języków formalnych. Definicja języka

Języki i operacje na językach. Teoria automatów i języków formalnych. Definicja języka Języki i operacje na językach Teoria automatów i języków formalnych Dr inŝ. Janusz Majewski Katedra Informatyki Definicja języka Definicja języka Niech Σ będzie alfabetem, Σ* - zbiorem wszystkich łańcuchów

Bardziej szczegółowo

Temperatura w atmosferze (czy innym ośrodku) jako funkcja dł. i szer. geogr. oraz wysokości.

Temperatura w atmosferze (czy innym ośrodku) jako funkcja dł. i szer. geogr. oraz wysokości. Własności Odległości i normy w Będziemy się teraz zajmować funkcjami od zmiennych, tzn. określonymi na (iloczyn kartezja/nski egzemplarzy ). Punkt należący do będziemy oznaczać jako Przykł. Wysokość terenu

Bardziej szczegółowo

Działanie grupy na zbiorze

Działanie grupy na zbiorze Działanie grupy na zbiorze Definicja 0.1 Niech (G, ) będzie dowolną grupą oraz X niepustym zbiorem, to odwzorowanie : G X X nazywamy działaniem grupy G na zbiorze X jeślinastępujące warunki są spełnione:

Bardziej szczegółowo

Analiza Funkcjonalna - Zadania

Analiza Funkcjonalna - Zadania Analiza Funkcjonalna - Zadania 1 Wprowadzamy następujące oznaczenia. K oznacza ciało liczb rzeczywistych lub zespolonych. Jeżeli T jest dowolnym zbiorem niepustym, to l (T ) = {x : E K : x funkcja ograniczona}.

Bardziej szczegółowo

(b) Suma skończonej ilości oraz przekrój przeliczalnej ilości zbiorów typu G α

(b) Suma skończonej ilości oraz przekrój przeliczalnej ilości zbiorów typu G α FUNKCJE BORELOWSKIE Rodzinę F podzbiorów zbioru X (tzn. F X) będziemy nazywali ciałem gdy spełnione są warunki: (1) Jeśli zbiór Y F, to dopełnienie X \ Y też należy do rodziny F. (2) Jeśli S F jest skończoną

Bardziej szczegółowo

Analiza matematyczna. 1. Ciągi

Analiza matematyczna. 1. Ciągi Analiza matematyczna 1. Ciągi Definicja 1.1 Funkcję a: N R odwzorowującą zbiór liczb naturalnych w zbiór liczb rzeczywistych nazywamy ciągiem liczbowym. Wartość tego odwzorowania w punkcie n nazywamy n

Bardziej szczegółowo

Rozwiązania około dwustu łatwych zadań z języków formalnych i złożoności obliczeniowej i być może jednego chyba trudnego (w trakcie tworzenia)

Rozwiązania około dwustu łatwych zadań z języków formalnych i złożoności obliczeniowej i być może jednego chyba trudnego (w trakcie tworzenia) Rozwiązania około dwustu łatwych zadań z języków formalnych i złożoności obliczeniowej i być może jednego chyba trudnego (w trakcie tworzenia) Kamil Matuszewski 20 lutego 2017 22 lutego 2017 Zadania, które

Bardziej szczegółowo

Dystrybucje, wiadomości wstępne (I)

Dystrybucje, wiadomości wstępne (I) Temat 8 Dystrybucje, wiadomości wstępne (I) Wielkości fizyczne opisujemy najczęściej przyporządkowując im funkcje (np. zależne od czasu). Inną drogą opisu tych wielkości jest przyporządkowanie im funkcjonałów

Bardziej szczegółowo

VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa.

VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa. VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa. W rozdziale tym zajmiemy się dokładniej badaniem stabilności rozwiązań równania różniczkowego. Pojęcie stabilności w

Bardziej szczegółowo

Ciągi liczbowe wykład 3

Ciągi liczbowe wykład 3 Ciągi liczbowe wykład 3 dr Mariusz Grządziel 3 kwietnia 203 Definicja (ciągu liczbowego). Ciagiem liczbowym nazywamy funkcję odwzorowuja- ca zbiór liczb naturalnych w zbiór liczb rzeczywistych. Wartość

Bardziej szczegółowo

Wykład 1: Przestrzeń probabilistyczna. Prawdopodobieństwo klasyczne. Prawdopodobieństwo geometryczne.

Wykład 1: Przestrzeń probabilistyczna. Prawdopodobieństwo klasyczne. Prawdopodobieństwo geometryczne. Rachunek prawdopodobieństwa MAP1151 Wydział Elektroniki, rok akad. 2011/12, sem. letni Wykładowca: dr hab. A. Jurlewicz Wykład 1: Przestrzeń probabilistyczna. Prawdopodobieństwo klasyczne. Prawdopodobieństwo

Bardziej szczegółowo

Informacja o przestrzeniach Sobolewa

Informacja o przestrzeniach Sobolewa Wykład 11 Informacja o przestrzeniach Sobolewa 11.1 Definicja przestrzeni Sobolewa Niech R n będzie zbiorem mierzalnym. Rozważmy przestrzeń Hilberta X = L 2 () z iloczynem skalarnym zdefiniowanym równością

Bardziej szczegółowo

Zadania z Analizy Funkcjonalnej I Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi?

Zadania z Analizy Funkcjonalnej I Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi? Zadania z Analizy Funkcjonalnej I - 1 1. Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi?. a) X = R, x = arctg x ; b) X = R n, d(x, y) = x 1 y 1 + x 2 y 2 + max i 3 x i y i ;

Bardziej szczegółowo

Maksymalne powtórzenia w tekstach i zerowa intensywność entropii

Maksymalne powtórzenia w tekstach i zerowa intensywność entropii Maksymalne powtórzenia w tekstach i zerowa intensywność entropii Łukasz Dębowski ldebowsk@ipipan.waw.pl i Instytut Podstaw Informatyki PAN Warszawa 1 Wprowadzenie 2 Ograniczenia górne i dolne 3 Przykłady

Bardziej szczegółowo

Twierdzenie Li-Yorke a Twierdzenie Szarkowskiego

Twierdzenie Li-Yorke a Twierdzenie Szarkowskiego Politechnika Gdańska Wydział Fizyki Technicznej i Matematyki Stosowanej Twierdzenie Li-Yorke a Twierdzenie Szarkowskiego Autor: Kamil Jaworski 11 marca 2012 Spis treści 1 Wstęp 2 1.1 Podstawowe pojęcia........................

Bardziej szczegółowo

Spacery losowe generowanie realizacji procesu losowego

Spacery losowe generowanie realizacji procesu losowego Spacery losowe generowanie realizacji procesu losowego Michał Krzemiński Streszczenie Omówimy metodę generowania trajektorii spacerów losowych (błądzenia losowego), tj. szczególnych procesów Markowa z

Bardziej szczegółowo

Fale biegnące w równaniach reakcji-dyfuzji

Fale biegnące w równaniach reakcji-dyfuzji Fale biegnące w równaniach reakcji-dyfuzji Piotr Bartłomiejczyk Politechnika Gdańska Między teorią a zastosowaniami: Matematyka w działaniu Będlewo, 25 30 maja 2015 P. Bartłomiejczyk Fale biegnące 1 /

Bardziej szczegółowo

Konstrukcja liczb rzeczywistych przy pomocy ciągów Cauchy ego liczb wymiernych

Konstrukcja liczb rzeczywistych przy pomocy ciągów Cauchy ego liczb wymiernych Konstrukcja liczb rzeczywistych przy pomocy ciągów Cauchy ego liczb wymiernych Marcin Michalski 14.11.014 1 Wprowadzenie Jedną z intuicji na temat liczb rzeczywistych jest myślenie o nich jako liczbach,

Bardziej szczegółowo

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych Rozdział 1 Zmienne losowe, ich rozkłady i charakterystyki 1.1 Definicja zmiennej losowej Niech Ω będzie przestrzenią zdarzeń elementarnych. Definicja 1 Rodzinę S zdarzeń losowych (zbiór S podzbiorów zbioru

Bardziej szczegółowo

Dekompozycje prostej rzeczywistej

Dekompozycje prostej rzeczywistej Dekompozycje prostej rzeczywistej Michał Czapek michal@czapek.pl www.czapek.pl 26 X AD MMXV Streszczenie Celem pracy jest zwrócenie uwagi na ciekawą różnicę pomiędzy klasami zbiorów pierwszej kategorii

Bardziej szczegółowo

czyli o szukaniu miejsc zerowych, których nie ma

czyli o szukaniu miejsc zerowych, których nie ma zerowych, których nie ma Instytut Fizyki im. Mariana Smoluchowskiego Centrum Badania Systemów Złożonych im. Marka Kaca Uniwersytet Jagielloński Metoda Metoda dla Warszawa, 9 stycznia 2006 Metoda -Raphsona

Bardziej szczegółowo

Ciągi komplementarne. Autor: Krzysztof Zamarski. Opiekun pracy: dr Jacek Dymel

Ciągi komplementarne. Autor: Krzysztof Zamarski. Opiekun pracy: dr Jacek Dymel Ciągi komplementarne Autor: Krzysztof Zamarski Opiekun pracy: dr Jacek Dymel Spis treści 1 Wprowadzenie 2 2 Pojęcia podstawowe 3 2.1 Oznaczenia........................... 3 2.2 "Ciąg odwrotny"........................

Bardziej szczegółowo

6.4 Podstawowe metody statystyczne

6.4 Podstawowe metody statystyczne 156 Wstęp do statystyki matematycznej 6.4 Podstawowe metody statystyczne Spóbujemy teraz w dopuszczalnym uproszczeniu przedstawić istotę analizy statystycznej. W szczególności udzielimy odpowiedzi na postawione

Bardziej szczegółowo

1 Automaty niedeterministyczne

1 Automaty niedeterministyczne Szymon Toruńczyk 1 Automaty niedeterministyczne Automat niedeterministyczny A jest wyznaczony przez następujące składniki: Alfabet skończony A Zbiór stanów Q Zbiór stanów początkowych Q I Zbiór stanów

Bardziej szczegółowo

2.2. Gramatyki, wyprowadzenia, hierarchia Chomsky'ego

2.2. Gramatyki, wyprowadzenia, hierarchia Chomsky'ego 2.2. Gramatyki, wyprowadzenia, hierarchia Chomsky'ego Gramatyka Gramatyką G nazywamy czwórkę uporządkowaną G = gdzie: N zbiór symboli nieterminalnych, T zbiór symboli terminalnych, P zbiór

Bardziej szczegółowo

LX Olimpiada Matematyczna

LX Olimpiada Matematyczna LX Olimpiada Matematyczna Rozwiązania zadań konkursowych zawodów stopnia drugiego 13 lutego 2009 r. (pierwszy dzień zawodów) Zadanie 1. Liczby rzeczywiste a 1, a 2,..., a n (n 2) spełniają warunek a 1

Bardziej szczegółowo

Zad.3. Jakub Trojgo i Jakub Wieczorek. 14 grudnia 2013

Zad.3. Jakub Trojgo i Jakub Wieczorek. 14 grudnia 2013 Zad.3 Jakub Trojgo i Jakub Wieczorek 14 grudnia 2013 W pierwszej części naszej pracy będziemy chcieli zbadać ciągłość funkcji f(x, y) w przypadku gdy płaszczyzna wyposażona jest w jedną z topologii: a)

Bardziej szczegółowo

Przestrzenie wektorowe

Przestrzenie wektorowe Rozdział 4 Przestrzenie wektorowe Rozważania dotyczące przestrzeni wektorowych rozpoczniemy od kilku prostych przykładów. Przykład 4.1. W przestrzeni R 3 = {(x, y, z) : x, y, z R} wprowadzamy dwa działania:

Bardziej szczegółowo

Definicja i własności wartości bezwzględnej.

Definicja i własności wartości bezwzględnej. Równania i nierówności z wartością bezwzględną. Rozwiązywanie układów dwóch (trzech) równań z dwiema (trzema) niewiadomymi. Układy równań liniowych z parametrem, analiza rozwiązań. Definicja i własności

Bardziej szczegółowo

Zastosowania twierdzeń o punktach stałych

Zastosowania twierdzeń o punktach stałych 16 kwietnia 2016 Abstrakt Niech X będzie przestrzenią topologiczną. Ustalmy odwzorowanie ciągłe f : X X. Twierdzeniem o punkcie stałym nazywamy prawdę matematyczną postulującą pod pewnymi warunkami istnienie

Bardziej szczegółowo

Detekcja rozkładów o ciężkich ogonach

Detekcja rozkładów o ciężkich ogonach Detekcja rozkładów o ciężkich ogonach J. Śmiarowska, P. Jamer Wydział Matematyki i Nauk Informacyjnych Politechnika Warszawska 24 kwietnia 2012 J. Śmiarowska, P. Jamer (Politechnika Warszawska) Detekcja

Bardziej szczegółowo

Egzamin z logiki i teorii mnogości, rozwiązania zadań

Egzamin z logiki i teorii mnogości, rozwiązania zadań Egzamin z logiki i teorii mnogości, 08.02.2016 - rozwiązania zadań 1. Niech φ oraz ψ będą formami zdaniowymi. Czy formuła [( x : φ(x)) ( x : ψ(x))] [ x : (φ(x) ψ(x))] jest prawem rachunku kwantyfikatorów?

Bardziej szczegółowo

Algebrą 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 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 szczegółowo

0 + 0 = 0, = 1, = 1, = 0.

0 + 0 = 0, = 1, = 1, = 0. 5 Kody liniowe Jak już wiemy, w celu przesłania zakodowanego tekstu dzielimy go na bloki i do każdego z bloków dodajemy tak zwane bity sprawdzające. Bity te są w ścisłej zależności z bitami informacyjnymi,

Bardziej szczegółowo

Analiza funkcjonalna 1.

Analiza funkcjonalna 1. Analiza funkcjonalna 1. Wioletta Karpińska Semestr letni 2015/2016 0 Bibliografia [1] Banaszczyk W., Analiza matematyczna 3. Wykłady. (http://math.uni.lodz.pl/ wbanasz/am3/) [2] Birkholc A., Analiza matematyczna.

Bardziej szczegółowo

SIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa

SIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa SIMR 06/07, Analiza, wykład, 07-0- Przestrzeń wektorowa Przestrzeń wektorowa (liniowa) - przestrzeń (zbiór) w której określone są działania (funkcje) dodawania elementów i mnożenia elementów przez liczbę

Bardziej szczegółowo

Metody probabilistyczne

Metody probabilistyczne Metody probabilistyczne. Twierdzenia graniczne Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 20.2.208 / 26 Motywacja Rzucamy wielokrotnie uczciwą monetą i zliczamy

Bardziej szczegółowo

1 Metody rozwiązywania równań nieliniowych. Postawienie problemu

1 Metody rozwiązywania równań nieliniowych. Postawienie problemu 1 Metody rozwiązywania równań nieliniowych. Postawienie problemu Dla danej funkcji ciągłej f znaleźć wartości x, dla których f(x) = 0. (1) 2 Przedział izolacji pierwiastka Będziemy zakładać, że równanie

Bardziej szczegółowo

1. Funkcje monotoniczne, wahanie funkcji.

1. Funkcje monotoniczne, wahanie funkcji. 1. Funkcje monotoniczne, wahanie funkcji. Zbiór X będziemy nazywali uporządkowanym, jeśli określona jest relacja zawarta w produkcie kartezjańskim X X, która jest spójna, antysymetryczna i przechodnia.

Bardziej szczegółowo

Uwaga 1. Zbiory skończone są równoliczne wtedy i tylko wtedy, gdy mają tyle samo elementów.

Uwaga 1. Zbiory skończone są równoliczne wtedy i tylko wtedy, gdy mają tyle samo elementów. Logika i teoria mnogości Wykład 11 i 12 1 Moce zbiorów Równoliczność zbiorów Def. 1. Zbiory X i Y są równoliczne (X ~ Y), jeśli istnieje bijekcja f : X Y. O funkcji f mówimy wtedy, że ustala równoliczność

Bardziej szczegółowo