Wyk lad 14 Formy kwadratowe I

Wielkość: px
Rozpocząć pokaz od strony:

Download "Wyk lad 14 Formy kwadratowe I"

Transkrypt

1 Wyk lad 14 Formy kwadratowe I Wielomian n-zmiennych x 1,, x n postaci n a ij x i x j, (1) gdzie a ij R oraz a ij = a ji dla wszystkich i, j = 1,, n nazywamy forma kwadratowa n-zmiennych Forme (1) można też zapisywać w postaci n a ii x i + i<j a ij x i x j () Przyk lad 141 (a) Postacia ogólna formy kwadratowej jednej zmiennej jest wyrażenie ax 1, gdzie a R (b) Postacia ogólna formy kwadratowej dwóch zmiennych jest wyrażenie ax 1 + bx + cx 1x, gdzie a, b, c R (c) Postacia ogólna formy kwadratowej trzech zmiennych jest wyrażenie a 1 x 1 + a x + a 3x 3 + ax 1 x + bx 1 x 3 + cx x 3, gdzie a 1, a, a 3, a, b, c R Macierz A = a ij M n (R) nazywamy macierza formy (1), r(a) nazywamy rzedem formy (1), zaś det(a) nazywamy wyróżnikiem tej formy Z definicji formy kwadratowej wynika, że jej macierz A spe lnia warunek A = A T, czyli A jest macierza symetryczna Na odwrót, każda macierz symetryczna jest macierza pewnej formy kwadratowej Przyk lad 14 Macierza formy kwadratowej x 1 + x 3x 1x 3x 1 x 3 trzech zmiennych x 1, x, x 3 jest A = Zatem wyróżnik tej formy det(a) = ( 1) 3+1 ( 3 3 ) = ( 3 ) ( ( 3 )) = 9 4 0, sk ad jej rzad wynosi 3 Na forme (1) możemy też patrzeć jak na funkcje n-zmiennych F : R n R dana wzorem n F (x 1,, x n ) = a ij x i x j, (3) gdyż funkcja F jest wyznaczona jednoznacznie przez wspó lczynniki a ij, bo a ij = 1 F (ε i + ε j ) F (ε i ) F (ε j ) dla wszystkich i, j {1,, n} 1

2 Utożsamiajac macierz a ze skalarem a R uzyskamy, że a 11 a 1 a 1n x 1 a x 1,, x n A x 1,, x n T = x 1,, x n 1 a a n = x n a n1 a n a nn a 11 x 1 + a 1 x + + a 1n x n n n = x 1,, x i,, x n a i1 x 1 + a i x + + a in x n = x i a ij x j = j=1 a n1 x 1 + a n x + + x n n a ij x i x j = F (x 1,, x n ), a wi ec wzór (3) można zapisać w postaci: F (x 1,, x n ) = x 1,, x n A x 1,, x n T (4) Twierdzenie 143 Niech f bedzie automorfizmem przestrzeni liniowej R n posiadajacym w bazie kanonicznej macierz B i niech F bedzie forma n-zmiennych o macierzy A Wówczas F f też jest forma n-zmiennych i jej macierza jest B T A B Dowód Na mocy wzoru (4) (F f)(x 1,, x n ) = F (f(x 1,, x n )) = F (x 1 x n B T ) = x 1 x n B T A (x 1 x n B T ) T = x 1 x n (B T A B) x 1 x n T Wystarczy zatem pokazać, że macierz B T A B jest symetryczna Ale z w lasności transponowania macierzy (B T A B) T = B T A T (B T ) T = B T A B, gdyż macierz A jest symetryczna Definicja 144 Powiemy, że formy kwadratowe F i G, n-zmiennych sa równoważne, jeżeli istnieje automorfizm f przestrzeni R n taki, że G = F f Z twierdzenia 143 i ze stwierdzenia 1115 otrzymujemy od razu nastepuj ace Twierdzenie 145 Równoważne formy kwadratowe n-zmiennych maja takie same rzedy Twierdzenie 146 Relacja równoważności form kwadratowych jest relacja równoważności w rodzinie wszystkich form kwadratowych n-zmiennych Dowód Niech F, G, H bed a dowolnymi formami kwadratowymi n-zmiennych Ponieważ id R n jest automorfizmem przestrzeni R n oraz F = F id R n, wiec forma F jest równoważna formie F Za lóżmy, że forma F jest równoważna formie G Wtedy istnieje automorfizm f przestrzeni R n taki, że G = F f Ale wtedy f 1 też jest automorfizmem przestrzeni R n oraz F = G f 1, wiec forma G jest równoważna formie F Za lóżmy, że forma F jest równoważna formie G oraz forma G jest równoważna formie H Wtedy istnieja automorfizmy f, g przestrzeni R n takie, że G = F f i H = G g Zatem H = F (f g) Ale f g jest automorfizmem przestrzeni R n, wiec forma F jest równoważna formie H

3 Definicja 147 Forma kanoniczna n-zmiennych nazywamy forme postaci dla pewnych c 1, c,, c n R c 1 x 1 + c x + + c n x n, (5) Twierdzenie 148 Każda forma kwadratowa n-zmiennych jest równoważna pewnej formie kanonicznej n-zmiennych Dowód Zastosujemy indukcje wzgledem n Przeprowadzone przez nas rozumowanie nazywa sie metoda Lagrange a sprowadzania formy kwadratowej do postaci kanonicznej Dla n = 1 teza jest oczywista na mocy przyk ladu 141 (a) Niech n bedzie taka liczba naturalna wieksz a od 1, że każda forma kwadratowa (n 1)- zmiennych jest równoważna pewnej formie kanonicznej (n 1)-zmiennych Rozważmy dowolna forme F, n-zmiennych o macierzy A = a ij M n (R) Jeżeli a ij = 0 dla wszystkich i, j {1,, n}, to F jest forma kanoniczna Za lóżmy wiec dalej, że a kl 0 dla pewnych k, l {1,, n}, przy czym k l Możliwe sa teraz tylko dwa przypadki Przypadek 1 a ii = 0 dla wszystkich i = 1,, n Wtedy k < l oraz F (x 1,, x n ) = a ij x i x j = = i<j,i k,j l a ij x i x j + i<l,i k i<j a il x i x l + k<j,j l a kj x k x j + a kl x k x l Rozważmy przekszta lcenie liniowe f : R n R n dane wzorem f(x 1,, x k,, x l,, x n ) = x 1,, x k + x l,, x k x l,, x n k<j,j l Ponieważ f = id R n, wiec f jest automorfizmem przestrzeni R n Ponadto (F f)(x 1,, x n ) = F (x 1,, x k+x l,, x k x l x k x l,, x n ) = a ij x i x j + a il x i + i<j,i k,j l i<l,i k x k + x l x k + x l a kj x j +a kl xk x l Mamy tutaj cztery sk ladniki, przy czym w pierw- szych trzech sk ladnikach (bed acych sumami) nie wystapi x k Ponieważ a kl 0, wiec w otrzymanej formie kwadratowej (równoważnej formie F ), x k wyst api z niezerowym wspó lczynnikiem równym a kl W ten sposób dochodzimy do przypadku Przypadek a ss 0 dla pewnego s = 1,, n Bez zmniejszania ogólności rozważań możemy zak ladać, że s = n, gdyż dla s < n przy pomocy automorfizmu f przestrzeni R n danego wzorem f(x 1,, x s,, x n ) = x 1,, x n,, x s możemy forme F zastapić forma F f, w której wspó lczynnik przy x n jest równy a ss 0 Niech zatem dalej 0 Wtedy = F (x 1,, x n ) = n 1 a ij x i x j + a in x i x n + x n = ( ) a ij x i x j + x n + 1 n 1 ( a in x i 1 n 1 ) a in x i 3

4 Niech g bedzie przekszta lceniem liniowym przestrzeni R n w siebie danym wzorem n 1 g(x 1,, x n 1, x n ) = x 1,, x n 1, x n 1 a in x i ) Wówczas Ker(g) = {θ}, wiec g jest automorfizmem przestrzeni R n Ponadto (F g)(x 1,, x n ) = x n + G(x 1,, x n 1 ), gdzie G jest forma (n 1)- zmiennych i G(x 1,, x n 1 ) = ( a ij x i x j 1 n 1 ) a in x i Z za lożenia indukcyjnego istnieje automorfizm h przestrzeni R n 1 taki, że (G h)(x 1,, x n 1 ) = c 1 x c n 1x n 1 dla pewnych c 1,, c n 1 R Istnieja zatem funkcjona ly ϕ i : R n R dla i = 1,, n 1 takie, że h(x 1,, x n 1 ) = ϕ 1 (x 1,, x n 1 ),, ϕ n 1 (x 1,, x n 1 ) Niech t: R n R n bedzie odwzorowaniem danym wzorem t(x 1,, x n 1, x n ) = ϕ 1 (x 1,, x n 1 ),, ϕ n 1 (x 1,, x n 1 ), x n Wówczas t jest przekszta lceniem liniowym i Ker t = {θ}, czyli t jest automorfizmem przestrzeni R n Ponadto (F (g t))(x 1,, x n ) = c 1 x c n 1x n 1 + x n Przyk lad 149 Przy pomocy metody Lagrange a sprowadzimy do postaci kanonicznej forme F (x 1, x, x 3, x 4 ) = x 1 x + x x 3 + x 3 x 4 + x 4 x 1 i znajdziemy automorfizm liniowy f przestrzeni R 4 taki, że F f jest forma kanoniczna Mamy tutaj przypadek 1, wiec f 1 (x 1, x, x 3, x 4 ) = x 1, x, x 3+x 4, x 3 x 4 Wtedy = x 1 x + x x 3 + x 4 (F f 1 )(x 1, x, x 3, x 4 ) = + x 3 + x 4 x3 x 4 + x 3 x 4 x 1 = = x 1 x + 1 x x x 1x x x x x 4 1 x 1x 4 = = x 1 x + 1 x x x 1x x (x 4 x + x 1 ) (x x 1 ) = = 1 4 (x 4 x + x 1 ) x x x x 1x + 1 x 1x x x 3 Stad f (x 1, x, x 3, x 4 ) = x 1, x, x 3, x 4 + x x 1 Zatem (F f 1 f )(x 1, x, x 3, x 4 ) = 1 4 x x x x x 1x + 1 x 1x x x 3 Teraz zajmiemy sie forma G 1 : G 1 (x 1, x, x 3 ) = 1 4 x x x x 1x + 1 x 1x x x 3 = = 1 4 (x 3 + x 1 x 3 + x x 3 ) x x + 1 x 1x = = 1 4 (x 3 + x 1 + x ) 1 4 (x 1 + x ) x x + 1 x 1x = = 1 4 (x 3 + x 1 + x ) Stad h 1 (x 1, x, x 3 ) = x 1, x, x 1 x + x 3 oraz (G 1 h 1 )(x 1, x, x 3 ) = 1 4 x 3 f 3 (x 1, x, x 3, x 4 ) = x 1, x, x 3 x 1 x, x 4 oraz Zatem (F f 1 f f 3 )(x 1, x, x 3, x 4 ) = 1 4 x x 4 4

5 Pozostaje zatem obliczyć f 1 f f 3 Ponieważ (f f 3 )(x 1, x, x 3, x 4 ) = = f (x 1, x, x 3 x 1 x, x 4 ) = x 1, x, x 3 x 1 x, x 4 +x x 1, wiec (f 1 f f 3 )(x 1, x, x 3, x 4 ) = f 1 (x 1, x, x 3 x 1 x, x 4 + x x 1 ) = x 1, x, x x x 4, x + 1 x 3 1 x 4 Zatem szukanym automorfizmem liniowym przestrzeni R 4 jest f(x 1, x, x 3, x 4 ) = x 1, x, x x x 4, x + 1 x 3 1 x 4 5

Wyk lad 5 Grupa ilorazowa, iloczyn prosty, homomorfizm

Wyk lad 5 Grupa ilorazowa, iloczyn prosty, homomorfizm Wyk lad 5 Grupa ilorazowa, iloczyn prosty, homomorfizm 1 Grupa ilorazowa Niech H b edzie dzielnikiem normalnym grupy G. Oznaczmy przez G/H zbiór wszystkich warstw lewostronnych grupy G wzgl edem podgrupy

Bardziej szczegółowo

Wprowadzenie z dynamicznej optymalizacji

Wprowadzenie z dynamicznej optymalizacji Wprowadzenie z dynamicznej optymalizacji Lukasz Woźny 29 kwietnia 2007 Spis treści 1 Optymalizacja statyczna a optymalizacja dynamiczna 2 1.1 Ekstrema lokalne funkcji wielu zmiennych - statyka...... 2

Bardziej szczegółowo

Dyskretne modele populacji

Dyskretne modele populacji Dyskretne modele populacji Micha l Machtel Adam Soboczyński 17 stycznia 2007 Typeset by FoilTEX Dyskretne modele populacji [1] Wst ep Dyskretny opis modelu matematycznego jest dobry dla populacji w których

Bardziej szczegółowo

φ(x 1,..., x n ) = a i x 2 i +

φ(x 1,..., x n ) = a i x 2 i + Teoria na egzamin z algebry liniowej Wszystkie podane pojęcia należy umieć określić i podać pprzykłady, ewentualnie kontrprzykłady. Ponadto należy znać dowody tam gdzie to jest zaznaczone. Liczby zespolone.

Bardziej szczegółowo

Przestrzenie liniowe w zadaniach

Przestrzenie liniowe w zadaniach Przestrzenie linioe zadaniach Zadanie 1. Cz ektor [3, 4, 4 jest kombinacja linioa ektoró [1, 1, 1, [1, 0, 1, [1, 3, 5 przestrzeni R 3? Roziazanie. Szukam x,, z R takich, że [3, 4, 4 x [1, 1, 1 + [1, 0,

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

Formy kwadratowe. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 14. wykład z algebry liniowej Warszawa, styczeń 2011

Formy kwadratowe. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 14. wykład z algebry liniowej Warszawa, styczeń 2011 Formy kwadratowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 14. wykład z algebry liniowej Warszawa, styczeń 2011 Mirosław Sobolewski (UW) Warszawa, 2011 1 / 16 Definicja Niech V,

Bardziej szczegółowo

Jednorazowa sk ladka netto w przypadku stochastycznej stopy procentowej. Ubezpieczenie na ca le życie z n-letnim okresem odroczenia.

Jednorazowa sk ladka netto w przypadku stochastycznej stopy procentowej. Ubezpieczenie na ca le życie z n-letnim okresem odroczenia. Jednorazowa sk ladka netto w przypadku stochastycznej stopy procentowej Ubezpieczenie na ca le życie z n-letnim okresem odroczenia Wartość obecna wyp laty Y = Zatem JSN = = Kx +1 0, K x = 0, 1,..., n 1,

Bardziej szczegółowo

Grupy i cia la, liczby zespolone

Grupy i cia la, liczby zespolone Rozdzia l 1 Grupy i cia la, liczby zespolone Dla ustalenia uwagi, b edziemy używać nast epuj acych oznaczeń: N = { 1, 2, 3,... } - liczby naturalne, Z = { 0, ±1, ±2,... } - liczby ca lkowite, W = { m n

Bardziej szczegółowo

Dyskretne modele populacji

Dyskretne modele populacji Dyskretne modele populacji Micha l Machtel Adam Soboczyński 19 stycznia 2007 Typeset by FoilTEX Dyskretne modele populacji [1] Wst ep Dyskretny opis modelu matematycznego jest dobry dla populacji w których

Bardziej szczegółowo

Sterowanie minimalnoczasowe dla uk ladów liniowych. Krzywe prze l aczeń.

Sterowanie minimalnoczasowe dla uk ladów liniowych. Krzywe prze l aczeń. Sterowanie minimalnoczasowe dla uk ladów liniowych. Krzywe prze l aczeń. Sprowadzanie zadań sterowania optymalnego do zadań wariacyjnych metod a funkcji kary i mnożników Lagrange a - zadania sterowania

Bardziej szczegółowo

Wielomiany. dr Tadeusz Werbiński. Teoria

Wielomiany. dr Tadeusz Werbiński. Teoria Wielomiany dr Tadeusz Werbiński Teoria Na początku przypomnimy kilka szkolnych definicji i twierdzeń dotyczących wielomianów. Autorzy podręczników szkolnych podają różne definicje wielomianu - dla jednych

Bardziej szczegółowo

Schemat rekursji. 1 Schemat rekursji dla funkcji jednej zmiennej

Schemat rekursji. 1 Schemat rekursji dla funkcji jednej zmiennej Schemat rekursji 1 Schemat rekursji dla funkcji jednej zmiennej Dla dowolnej liczby naturalnej a i dowolnej funkcji h: N 2 N istnieje dokładnie jedna funkcja f: N N spełniająca następujące warunki: f(0)

Bardziej szczegółowo

Zadania z podstaw matematyki dla 1 roku informatyki 1

Zadania z podstaw matematyki dla 1 roku informatyki 1 29 września 2008, godzina 17: 13 strona 1 Zadania z podstaw matematyki dla 1 roku informatyki 1 Zadania na rozgrzewk e 1. Zaznacz na rysunku zbiory: (a) { x, y : R 2 (x 2 + y 2 > 1) [(x 2 + y 2 2) ( (x

Bardziej szczegółowo

celu przyjmijmy: min x 0 = n t Zadanie transportowe nazywamy zbilansowanym gdy podaż = popyt, czyli n

celu przyjmijmy: min x 0 = n t Zadanie transportowe nazywamy zbilansowanym gdy podaż = popyt, czyli n 123456789 wyk lad 9 Zagadnienie transportowe Mamy n punktów wysy lajacych towar i t punktów odbierajacych. Istnieje droga od każdego dostawcy do każdego odbiorcy i znany jest koszt transportu jednostki

Bardziej szczegółowo

Algebra liniowa z geometrią

Algebra liniowa z geometrią Algebra liniowa z geometrią Maciej Czarnecki 15 stycznia 2013 Spis treści 1 Geometria płaszczyzny 2 1.1 Wektory i skalary........................... 2 1.2 Macierze, wyznaczniki, układy równań liniowych.........

Bardziej szczegółowo

Biotechnologia, Chemia, Chemia Budowlana - Wydział Chemiczny - 1

Biotechnologia, Chemia, Chemia Budowlana - Wydział Chemiczny - 1 Biotechnologia, Chemia, Chemia Budowlana - Wydział Chemiczny - 1 Równania różniczkowe pierwszego rzędu Równaniem różniczkowym zwyczajnym pierwszego rzędu nazywamy równanie postaci (R) y = f(x, y). Najogólniejszą

Bardziej szczegółowo

im = (P )={b 2 R : 9a 2 P [b = (a)]} nazywamy obrazem homomorfizmu.

im = (P )={b 2 R : 9a 2 P [b = (a)]} nazywamy obrazem homomorfizmu. 61 7. Wyk ad 7: Homomorfizmy pierúcieni, idea y pierúcieni. Idea y generowane przez zbiory. PierúcieÒ ilorazowy, twierdzenie o homomorfizmie. Idea y pierwsze i maksymalne. 7.1. Homomorfizmy pierúcieni,

Bardziej szczegółowo

... [a n,b n ] kn [M 1,M 2 ], gdzie a i M 1, b i M 2, dla i {1,..., n}. Wówczas: [a 1,b 1 ] k 1. ... [a n,b n ] kn =(a 1 b 1 a 1

... [a n,b n ] kn [M 1,M 2 ], gdzie a i M 1, b i M 2, dla i {1,..., n}. Wówczas: [a 1,b 1 ] k 1. ... [a n,b n ] kn =(a 1 b 1 a 1 4. Wykład 4: Grupy rozwiązalne i nilpotentne. Definicja 4.1. Niech (G, ) będzie grupą. Wówczas (1) ciąg podgrup grupy G zdefiniowany indukcyjnie wzorami G (0) = G, G (i) =[G (i 1),G (i 1) ], dla i N nazywamy

Bardziej szczegółowo

TEORIA FUNKCJONA LÓW. (Density Functional Theory - DFT) Monika Musia l

TEORIA FUNKCJONA LÓW. (Density Functional Theory - DFT) Monika Musia l TEORIA FUNKCJONA LÓW GȨSTOŚCI (Density Functional Theory - DFT) Monika Musia l PRZEDMIOT BADAŃ Uk lad N elektronów + K j ader atomowych Przybliżenie Borna-Oppenheimera Zamiast funkcji falowej Ψ(r 1,σ 1,r

Bardziej szczegółowo

ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 5 Kalkulacja sk ladki netto I

ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 5 Kalkulacja sk ladki netto I Wst ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 5 Kalkulacja sk ladki netto I 1 Kodeks cywilny Tytu l XXVII, Umowa ubezpieczenia Dzia l I. Przepisy ogólne Dzia l II. Ubezpieczenia majatkowe

Bardziej szczegółowo

Metoda mnożników Lagrange a i jej zastosowania w ekonomii

Metoda mnożników Lagrange a i jej zastosowania w ekonomii Maciej Grzesiak Metoda mnożników Lagrange a i jej zastosowania w ekonomii 1 Metoda mnożników Lagrange a znajdowania ekstremum warunkowego Pochodna kierunkowa i gradient Dla prostoty ograniczymy się do

Bardziej szczegółowo

Rozdział 9. Funkcja pierwotna. 9.1 Funkcja pierwotna

Rozdział 9. Funkcja pierwotna. 9.1 Funkcja pierwotna Rozdział 9 Funkcja pierwotna 9. Funkcja pierwotna Definicja funkcji pierwotnej. Niech f będzie funkcją określoną na przedziale P. Mówimy, że funkcja F : P R jest funkcją pierwotną funkcji f w przedziale

Bardziej szczegółowo

ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 6 Kalkulacja sk ladki netto II. Funkcje komutacyjne.

ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 6 Kalkulacja sk ladki netto II. Funkcje komutacyjne. Wst ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 6 Kalkulacja sk ladki netto II. Funkcje komutacyjne. 1 Przypomnienie Umowa ubezpieczenia zawiera informacje o: Przedmiocie ubezpieczenia Czasie

Bardziej szczegółowo

CHEMIA KWANTOWA MONIKA MUSIA L METODA HÜCKLA. Ćwiczenia. http://zcht.mfc.us.edu.pl/ mm

CHEMIA KWANTOWA MONIKA MUSIA L METODA HÜCKLA. Ćwiczenia. http://zcht.mfc.us.edu.pl/ mm CHEMIA KWANTOWA MONIKA MUSIA L METODA HÜCKLA Ćwiczenia Zwi azki organiczne zawieraj ace uk lady π-elektronowe Sprzȩżony uk lad wi azań podwójnych: -C=C-C=C-C=C-C=C- Skumulowany uk lad wi azań podwójnych:

Bardziej szczegółowo

WIELOKRYTERIALNA OPTYMALIZACJA LINIOWA I DYSKRETNA modele preferencji i zastosowania do wspomagania decyzji

WIELOKRYTERIALNA OPTYMALIZACJA LINIOWA I DYSKRETNA modele preferencji i zastosowania do wspomagania decyzji WIELOKRYTERIALNA OPTYMALIZACJA LINIOWA I DYSKRETNA modele preferencji i zastosowania do wspomagania decyzji W lodzimierz Ogryczak Uniwersytet Warszawski Instytut Informatyki Warszawa 1997 4 Pusta strona

Bardziej szczegółowo

Definicja: alfabetem. słowem długością słowa

Definicja: alfabetem. słowem długością słowa Definicja: Niech X będzie zbiorem niepustym. Zbiór ten będziemy nazywać alfabetem. Skończony ciąg elementów alfabetu X będziemy nazywać słowem a liczbę elementów tego ciągu nazywamy długością słowa. Na

Bardziej szczegółowo

FUNKCJE LICZBOWE. Na zbiorze X określona jest funkcja f : X Y gdy dowolnemu punktowi x X przyporządkowany jest punkt f(x) Y.

FUNKCJE LICZBOWE. Na zbiorze X określona jest funkcja f : X Y gdy dowolnemu punktowi x X przyporządkowany jest punkt f(x) Y. FUNKCJE LICZBOWE Na zbiorze X określona jest funkcja f : X Y gdy dowolnemu punktowi x X przyporządkowany jest punkt f(x) Y. Innymi słowy f X Y = {(x, y) : x X oraz y Y }, o ile (x, y) f oraz (x, z) f pociąga

Bardziej szczegółowo

Systemy. Krzysztof Patan

Systemy. Krzysztof Patan Systemy Krzysztof Patan Systemy z pamięcią System jest bez pamięci (statyczny), jeżeli dla dowolnej chwili t 0 wartość sygnału wyjściowego y(t 0 ) zależy wyłącznie od wartości sygnału wejściowego w tej

Bardziej szczegółowo

LVII Olimpiada Matematyczna

LVII Olimpiada Matematyczna LVII Olimpiada Matematyczna Rozwiązania zadań konkursowych zawodów stopnia pierwszego (12 września 2005 r 5 grudnia 2005 r) Zadanie 1 Wyznaczyć wszystkie nieujemne liczby całkowite n, dla których liczba

Bardziej szczegółowo

Wykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe.

Wykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Rachunek prawdopodobieństwa MAP3040 WPPT FT, rok akad. 2010/11, sem. zimowy Wykładowca: dr hab. Agnieszka Jurlewicz Wykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Warunkowa wartość oczekiwana.

Bardziej szczegółowo

y f x 0 f x 0 x x 0 x 0 lim 0 h f x 0 lim x x0 - o ile ta granica właściwa istnieje. f x x2 Definicja pochodnych jednostronnych 1.5 0.

y f x 0 f x 0 x x 0 x 0 lim 0 h f x 0 lim x x0 - o ile ta granica właściwa istnieje. f x x2 Definicja pochodnych jednostronnych 1.5 0. Matematyka ZLic - 3 Pochodne i różniczki funkcji jednej zmiennej Definicja Pochodną funkcji f w punkcie x, nazwiemy liczbę oznaczaną symbolem f x lub df x dx, równą granicy właściwej f x lim h - o ile

Bardziej szczegółowo

Twierdzenie spektralne

Twierdzenie spektralne Twierdzenie spektralne Algebrę ograniczonych funkcji borelowskich na K R będziemy oznaczać przez B (K). Spektralnym rozkładem jedności w przestrzeni Hilberta H nazywamy odwzorowanie, które każdemu zbiorowi

Bardziej szczegółowo

1 Podstawowe struktury algebraiczne i cia lo liczb zespolonych

1 Podstawowe struktury algebraiczne i cia lo liczb zespolonych 1 Podstawowe struktury algebraiczne i cia lo liczb zespolonych Niech X i Y bȩd a zbiorami Iloczynem kartezjańskim tych zbiorów nazywamy zbiór X Y = {(x, y) : x X, y Y } Dwuargumentowym dzia laniem na zbiorze

Bardziej szczegółowo

PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI

PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI POZIOM ROZSZERZONY Czas pracy 80 minut Instrukcja dla zdaj¹cego. SprawdŸ, czy arkusz egzaminacyjny zawiera stron (zadania 0). Ewentualny brak zg³oœ przewodnicz¹cemu

Bardziej szczegółowo

Modelowanie i wizualizowanie 3W-grafiki. Transformacje. Aleksander Denisiuk. denisjuk@matman.uwm.edu.pl

Modelowanie i wizualizowanie 3W-grafiki. Transformacje. Aleksander Denisiuk. denisjuk@matman.uwm.edu.pl Modelowanie i wizualizowanie 3W-grafiki Transformacje Aleksander Denisiuk denisjuk@matman.uwm.edu.pl Uniwersytet Warmińsko-Mazurski w Olsztynie Wydział Matematyki i Informatyki ul. Słoneczna 54 10-561

Bardziej szczegółowo

ALGEBRA Z GEOMETRIĄ OD RÓWNAŃ DO ODWZOROWAŃ LINIOWYCH

ALGEBRA Z GEOMETRIĄ OD RÓWNAŃ DO ODWZOROWAŃ LINIOWYCH ALGEBRA Z GEOMETRIĄ 1/10 OD RÓWNAŃ DO ODWZOROWAŃ LINIOWYCH Piotr M Hajac Uniwersytet Warszawski Wykład 8, 27112013 Typeset by Jakub Szczepanik Motywacja 2/10 Przechodzimy od rozwiązywania jednego równania

Bardziej szczegółowo

Programowanie liniowe metoda sympleks

Programowanie liniowe metoda sympleks Programowanie liniowe metoda sympleks Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW wykład z algebry liniowej Warszawa, styczeń 2012 Mirosław Sobolewski (UW) Warszawa, 2012 1 / 12

Bardziej szczegółowo

Notatki do wykładu Geometria Różniczkowa I

Notatki do wykładu Geometria Różniczkowa I Notatki do wykładu Geometria Różniczkowa I Katarzyna Grabowska, KMMF 1 listopada 013 1 Odwzorowanie styczne i cofnięcie formy cd: 1.1 Transport pola wektorowego i cofnięcie formy W poprzednim paragrafie

Bardziej szczegółowo

Wst ep do sterowania stochastycznego i teorii filtracji

Wst ep do sterowania stochastycznego i teorii filtracji S. Peszat, J. Zabczyk Wstep do sterowania stochastycznego i teorii filtracji 28 października 2008 Spis treści 1 Wst ep..................................................... 1 1.1 Przyk lady..............................................

Bardziej szczegółowo

ZADANIA OPTYMALIZCJI BEZ OGRANICZEŃ

ZADANIA OPTYMALIZCJI BEZ OGRANICZEŃ ZADANIA OPTYMALIZCJI BEZ OGRANICZEŃ Maciej Patan Uniwersytet Zielonogórski WSTEP Zadanie minimalizacji bez ograniczeń f(ˆx) = min x R nf(x) f : R n R funkcja ograniczona z dołu Algorytm rozwiazywania Rekurencyjny

Bardziej szczegółowo

6 Układy równań różniczkowych. Równania wyższych rzędów.

6 Układy równań różniczkowych. Równania wyższych rzędów. Układy równań. Równania wyższych rzędów. 6 1 6 Układy równań różniczkowych. Równania wyższych rzędów. 6.1 Podstawowe pojęcia dla układów równań różniczkowych zwyczajnych Definicja. Układem n równań różniczkowych

Bardziej szczegółowo

Newton vs. Lagrange - kto lepszy?

Newton vs. Lagrange - kto lepszy? Uniwersytet Mikołaja Kopernika Wydział Matematyki i Informatyki Katedra Analizy Matematycznej Agnieszka Rydzyńska nr albumu: 254231 Praca Zaliczeniowa z Seminarium Newton vs. Lagrange - kto lepszy? Opiekun

Bardziej szczegółowo

Grupy. Permutacje 1. (G2) istnieje element jednostkowy (lub neutralny), tzn. taki element e G, że dla dowolnego a G zachodzi.

Grupy. Permutacje 1. (G2) istnieje element jednostkowy (lub neutralny), tzn. taki element e G, że dla dowolnego a G zachodzi. Grupy. Permutacje 1 1 Definicja grupy Niech G będzie zbiorem. Działaniem na zbiorze G nazywamy odwzorowanie (oznaczane, jak mnożenie, przez ) przyporządkowujące każdej parze uporządkowanej (a, b) G G element

Bardziej szczegółowo

ciałem F i oznaczamy [L : F ].

ciałem F i oznaczamy [L : F ]. 11. Wykład 11: Baza i stopień rozszerzenia. Elementy algebraiczne i przestępne. Rozszerzenia algebraiczne i skończone. 11.1. Baza i stopień rozszerzenia. Uwaga 11.1. Niech F będzie ciałem, L rozszerzeniem

Bardziej szczegółowo

Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.

Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów. Rachunek prawdopodobieństwa MAP1181 Wydział PPT, MS, rok akad. 213/14, sem. zimowy Wykładowca: dr hab. Agnieszka Jurlewicz Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.

Bardziej szczegółowo

1 Zmienne losowe wielowymiarowe.

1 Zmienne losowe wielowymiarowe. 1 Zmienne losowe wielowymiarowe. 1.1 Definicja i przykłady. Definicja1.1. Wektorem losowym n-wymiarowym(zmienna losowa n-wymiarowa )nazywamywektorn-wymiarowy,któregoskładowymisązmiennelosowex i dlai=1,,...,n,

Bardziej szczegółowo

Teoria liczb. x 3 + 3y 3 + 9z 3 9xyz = 0. x 2 + 3y 2 = 1998x.

Teoria liczb. x 3 + 3y 3 + 9z 3 9xyz = 0. x 2 + 3y 2 = 1998x. Teoria liczb grupa starsza poniedziałek, 27 września 2004 Równania teorioliczbowe.. Rozwiazać w liczbach całkowitych x, y, z. x 3 + 3y 3 + 9z 3 9xyz = 0. 2. Rozwiazać w liczbach całkowitych dodatnich x,

Bardziej szczegółowo

Ą Ń Ę Ę Ą Ę Ć ź Ż Ż Ą ń Ź Ż Ż ń ń Ź Ą Ń Ą Ą Ę ń ź Ę Ę Ż Ć Ą ź Ą Ę ń ź Ę ń ń Ą Ż Ę ń Ą ń ń Ę Ę Ę Ź ń Ę ń ń ń ń Ź Ę Ś ź Ą Ń ń Ż Ź Ę Ź ń ń ń Ę Ę ń Ż Ą ń ńń Ś ń ń Ż Ż Ę Ż Ń Ę Ą Ń Ł ń ń ń ń ń ń ń ń Ś Ź Ę Ś

Bardziej szczegółowo

Ł ŚĆ ń Ś Ł Ź Ć Ł Ą ńń ć Ż Ą Ł Ś ń Ł ć Ś ń ć ć ć Ó Ż ć ć Ą Ś ć Ś ć Ń Ś ć Ś ć Ś Ć Ś Ż Ś Ś Ż Ś Ó ń ć ć Ź Ł ć ć ć ń ń ć ć Ą ć ć ć Ź ć ć ć ć ć ć Ó Ź Ó Ł Ł Ń ć ć Ź Ą ć ć ń ć Ą ć ć ć Ł Ź Ź Ź Ż Ł Ż Ł Ż ć ń ć Ą

Bardziej szczegółowo

Mikro II: Wymiana i Asymetria Informacji

Mikro II: Wymiana i Asymetria Informacji Mikro II: Wymiana i Asymetria Informacji Krzysztof Makarski 29 Wymiana Wst ep. Do tej pory zajmowaliśmy sie g lównie analiza pojedynczych rynków. Analiza w równowadze czastkowej - teoria jednego wyizolowanego

Bardziej szczegółowo

Wartości i wektory własne

Wartości i wektory własne Dość często przy rozwiązywaniu problemów naukowych czy technicznych pojawia się konieczność rozwiązania dość specyficznego układu równań: Zależnego od n nieznanych zmiennych i pewnego parametru. Rozwiązaniem

Bardziej szczegółowo

1 Funkcje i ich granice

1 Funkcje i ich granice Funkcje i ich granice Było: Zbiór argumentów; zbiór wartości; monotoniczność; funkcja odwrotna; funkcja liniowa; kwadratowa; wielomiany; funkcje wymierne; funkcje trygonometryczne i ich odwrotności; funkcja

Bardziej szczegółowo

Pawe l G ladki. Problem przetargu.

Pawe l G ladki. Problem przetargu. 1 Problem przertargu Pawe l G ladki Problem przetargu. Co to jest przetarg w potocznym znaczeniu wyjaśniać chyba nie trzeba. W ujȩciu eknomicznym, za przetarg uważamy takie sytuacje, jak negocjacje handlowe

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

ZASTOSOWANIE ZASADY MAKSIMUM PONTRIAGINA DO ZAGADNIENIA

ZASTOSOWANIE ZASADY MAKSIMUM PONTRIAGINA DO ZAGADNIENIA ZASTOSOWANIE ZASADY MAKSIMUM PONTRIAGINA DO ZAGADNIENIA DYNAMICZNYCH LOKAT KAPITAŁOWYCH Krzysztof Gąsior Uniwersytet Rzeszowski Streszczenie Celem referatu jest zaprezentowanie praktycznego zastosowania

Bardziej szczegółowo

Oznaczanie sk ladu gamma promieniotwórczych izotopów metoda sztucznych sieci neuronowych

Oznaczanie sk ladu gamma promieniotwórczych izotopów metoda sztucznych sieci neuronowych Akademia Górniczo - Hutnicza im. Stanis lawa Staszica w Krakowie Wydzia l Fizyki i Techniki Jadrowej Praca magisterska Sebastian Bożek kierunek studiów: fizyka techniczna specjalność: fizyka komputerowa

Bardziej szczegółowo

4. Decyzje dotycza ce przyznawania świadczeń pomocy materialnej. doktorantów

4. Decyzje dotycza ce przyznawania świadczeń pomocy materialnej. doktorantów ZASADY PRZYZNAWANIA ŚWIADCZEŃ POMOCY MATERIALNEJ DLA DOKTORANTÓW W INSTYTUCIE MATEMATYCZNYM POLSKIEJ AKADEMII NAUK OBOWIA ZUJA CE OD ROKU AKADEMICKIEGO 2013/14 1. PODSTAWA PRAWNA Świadczenia pomocy materialnej

Bardziej szczegółowo

2. Równania nieliniowe i ich uk lady

2. Równania nieliniowe i ich uk lady Metoda Newtona stycznych dla równania f(x) 0: x n+ x n f(x n) f (x n ) Chcemy rozwia ι zać uk lad N równań dla N niewiadomych f (x,x,,x N ) 0 f (x,x,,x N ) 0, f N (x,x,,x N ) 0 krócej: Czy jest jakaś analogia?

Bardziej szczegółowo

A,B M! v V ; A + v = B, (1.3) AB = v. (1.4)

A,B M! v V ; A + v = B, (1.3) AB = v. (1.4) Rozdział 1 Prosta i płaszczyzna 1.1 Przestrzeń afiniczna Przestrzeń afiniczna to matematyczny model przestrzeni jednorodnej, bez wyróżnionego punktu. Można w niej przesuwać punkty równolegle do zadanego

Bardziej szczegółowo

Jeden przyk lad... czyli dlaczego warto wybrać MIESI.

Jeden przyk lad... czyli dlaczego warto wybrać MIESI. Jeden przyk lad... czyli dlaczego warto wybrać MIESI. Micha l Ramsza Szko la G lówna Handlowa Micha l Ramsza (Szko la G lówna Handlowa) Jeden przyk lad... czyli dlaczego warto wybrać MIESI. 1 / 13 Dlaczego

Bardziej szczegółowo

Metody numeryczne. materiały do wykładu dla studentów

Metody numeryczne. materiały do wykładu dla studentów Metody numeryczne materiały do wykładu dla studentów. Metody dokładne rozwiązywania układów równań liniowych.. Układy równań o macierzach trójkątnych.. Metoda eliminacji Gaussa.3. Metoda Gaussa-Jordana.4.

Bardziej szczegółowo

PRZYBLI ONE METODY ROZWI ZYWANIA RÓWNA

PRZYBLI ONE METODY ROZWI ZYWANIA RÓWNA PRZYBLI ONE METODY ROZWI ZYWANIA RÓWNA Metody kolejnych przybli e Twierdzenie. (Bolzano Cauchy ego) Metody kolejnych przybli e Je eli funkcja F(x) jest ci g a w przedziale domkni tym [a,b] i F(a) F(b)

Bardziej szczegółowo

Ekonomia matematyczna - 1.2

Ekonomia matematyczna - 1.2 Ekonomia matematyczna - 1.2 6. Popyt Marshalla, a popyt Hicksa. Poruszać się będziemy w tzw. standardowym polu preferencji X,, gdzie X R n i jest relacją preferencji, która jest: a) rosnąca (tzn. x y x

Bardziej szczegółowo

Poniżej przedstawiony został podział wymagań na poszczególne oceny szkolne:

Poniżej przedstawiony został podział wymagań na poszczególne oceny szkolne: Prosto do matury klasa d Rok szkolny 014/015 WYMAGANIA EDUKACYJNE Wyróżnione zostały następujące wymagania programowe: konieczne (K), podstawowe (P), rozszerzające (R), dopełniające (D) i wykraczające

Bardziej szczegółowo

Liczby zespolone Definicja liczb zespolonych Liczbami zespolonymi nazywamy liczby postaci a + bi, gdzie i oznacza jednostke urojona, przyjmujemy,

Liczby zespolone Definicja liczb zespolonych Liczbami zespolonymi nazywamy liczby postaci a + bi, gdzie i oznacza jednostke urojona, przyjmujemy, Liczby zespolone Definicja liczb zespolonych Liczbami zespolonymi nazywamy liczby postaci a + bi, gdzie i oznacza jednostke urojona, przyjmujemy, że i = 1 zaś a i b sa liczbami rzeczywistymi. Suma liczb

Bardziej szczegółowo

1. Liczby zespolone. Jacek Jędrzejewski 2011/2012

1. Liczby zespolone. Jacek Jędrzejewski 2011/2012 1. Liczby zespolone Jacek Jędrzejewski 2011/2012 Spis treści 1 Liczby zespolone 2 1.1 Definicja liczby zespolonej.................... 2 1.2 Postać kanoniczna liczby zespolonej............... 1. Postać

Bardziej szczegółowo

Wykład 1. Przestrzeń Hilberta

Wykład 1. Przestrzeń Hilberta Wykład 1. Przestrzeń Hilberta Sygnały. Funkcje (w języku inżynierów - sygnały) które będziemy rozważali na tym wykładzie będą kilku typów Sygnały ciągłe (analogowe). ) L (R) to funkcje na prostej spełniające

Bardziej szczegółowo

4. ELEMENTY PŁASKIEGO STANU NAPRĘŻEŃ I ODKSZTAŁCEŃ

4. ELEMENTY PŁASKIEGO STANU NAPRĘŻEŃ I ODKSZTAŁCEŃ 4. ELEMENTY PŁASKIEGO STANU NAPRĘŻEŃ I ODKSZTAŁCEŃ 1 4. 4. ELEMENTY PŁASKIEGO STANU NAPRĘŻEŃ I ODKSZTAŁCEŃ 4.1. Elementy trójkątne Do opisywania dwuwymiarowego kontinuum jako jeden z pierwszych elementów

Bardziej szczegółowo

Podstawy Robotyki Określenie kinematyki oraz dynamiki manipulatora

Podstawy Robotyki Określenie kinematyki oraz dynamiki manipulatora Podstawy Robotyki Określenie kinematyki oraz dynamiki manipulatora AiR V sem. Gr. A4/ Wicher Bartłomiej Pilewski Wiktor 9 stycznia 011 1 1 Wstęp Rysunek 1: Schematyczne przedstawienie manipulatora W poniższym

Bardziej szczegółowo

1. DZIAŁANIA NA UŁAMKACH, POTĘGACH I PIERWIASTKACH Zad.1 Oblicz: d) + e) (0,15+(-1,15)) 3. g) 15 (45,2 : 12 30 : 6 )- 1 7 36.

1. DZIAŁANIA NA UŁAMKACH, POTĘGACH I PIERWIASTKACH Zad.1 Oblicz: d) + e) (0,15+(-1,15)) 3. g) 15 (45,2 : 12 30 : 6 )- 1 7 36. Zestaw zadań na ocenę dopuszczającą z matematyki po klasie - ZSP w Żelechowie Opracowała A. Lasocka. DZIAŁANIA NA UŁAMKACH, POTĘGACH I PIERWIASTKACH Zad. Oblicz: + - + - + e + 0 Zad. Oblicz: 9 + 0 : 9

Bardziej szczegółowo

po lożenie cz astki i od czasu (t). Dla cz astki, która może poruszać siȩ tylko w jednym wymiarze (tu x)

po lożenie cz astki i od czasu (t). Dla cz astki, która może poruszać siȩ tylko w jednym wymiarze (tu x) Stan czastki określa funkcja falowa Ψ zależna od wspó lrzȩdnych określaj acych po lożenie cz astki i od czasu (t). Dla cz astki, która może poruszać siȩ tylko w jednym wymiarze (tu x) Wartości funkcji

Bardziej szczegółowo

ZAGADNIENIA PROGRAMOWANIA LINIOWEGO

ZAGADNIENIA PROGRAMOWANIA LINIOWEGO ZAGADNIENIA PROGRAMOWANIA LINIOWEGO Maciej Patan Uniwersytet Zielonogórski WSTĘP często spotykane w życiu codziennym wybór asortymentu produkcji jakie wyroby i w jakich ilościach powinno produkować przedsiębiorstwo

Bardziej szczegółowo

FUNKCJE ANALITYCZNE. Zbigniew B locki

FUNKCJE ANALITYCZNE. Zbigniew B locki FUNKCJE ANALITYCZNE WYK LADY DLA SEKCJI TEORETYCZNEJ INSTYTUT MATEMATYKI UJ, 2007 Zbigniew B locki Typeset by AMS-TEX 2 ZBIGNIEW B LOCKI Spis treści 1. Podstawowe w lasności liczb zespolonych 1 2. Różniczkowanie

Bardziej szczegółowo

Analiza danych z użyciem programu Gretl

Analiza danych z użyciem programu Gretl Analiza danych z użyciem programu Gretl Gretl Gretl to pakiet ekonometryczny stworzony przez Allina Cottrella z Uniwersytetu Wake Forest w Pó lnocnej Karolinie w Stanach Zjednoczonych Od roku 2000 pakiet

Bardziej szczegółowo

KADD Metoda najmniejszych kwadratów funkcje nieliniowe

KADD Metoda najmniejszych kwadratów funkcje nieliniowe Metoda najmn. kwadr. - funkcje nieliniowe Metoda najmniejszych kwadratów Funkcje nieliniowe Procedura z redukcją kroku iteracji Przykłady zastosowań Dopasowanie funkcji wykładniczej Dopasowanie funkcji

Bardziej szczegółowo

Rozdział 1. Zadania. 1.1 Liczby pierwsze. 1. Wykorzystując sito Eratostenesa wyznaczyć wszystkie liczby pierwsze mniejsze niż 200.

Rozdział 1. Zadania. 1.1 Liczby pierwsze. 1. Wykorzystując sito Eratostenesa wyznaczyć wszystkie liczby pierwsze mniejsze niż 200. Rozdział 1 Zadania 1.1 Liczby pierwsze 1. Wykorzystując sito Eratostenesa wyznaczyć wszystkie liczby pierwsze mniejsze niż 200. 2. Wyliczyć największy wspólny dzielnik d liczb n i m oraz znaleźć liczby

Bardziej szczegółowo

Wstęp do analizy matematycznej

Wstęp do analizy matematycznej Wstęp do analizy matematycznej Andrzej Marciniak Zajęcia finansowane z projektu "Rozwój i doskonalenie kształcenia na Politechnice Poznańskiej w zakresie technologii informatycznych i ich zastosowań w

Bardziej szczegółowo

Wykład z modelowania matematycznego. Algorytm sympleks.

Wykład z modelowania matematycznego. Algorytm sympleks. Wykład z modelowania matematycznego. Algorytm sympleks. 1 Programowanie matematyczne jest to zbiór metod poszukiwania punktu optymalizującego (minimalizującego lub maksymalizującego) wartość funkcji rzeczywistej

Bardziej szczegółowo

Wykład 1. Przestrzeń Hilberta

Wykład 1. Przestrzeń Hilberta Wykład 1. Przestrzeń Hilberta Sygnały. Funkcje (w języku inżynierów - sygnały) które będziemy rozważali na tym wykładzie będą kilku typów Sygnały ciągłe (analogowe). ) L 2 (R) to funkcje na prostej spełniające

Bardziej szczegółowo

Dokumentacja do programu Pasieka 2004

Dokumentacja do programu Pasieka 2004 Dokumentacja do programu Pasieka 2004 Stanis law Stachura 13 grudnia 2003 Spis treści 1 Instalacja programu 2 2 Organizacja pasieki 2 2.1 Zarzadzanie ulami............................... 2 2.2 Likwidacja/reaktywacja

Bardziej szczegółowo

Zarzadzanie i Marketing Egzamin z Matematyki. Studia dzienne. 1999

Zarzadzanie i Marketing Egzamin z Matematyki. Studia dzienne. 1999 Imie Nazwisko Zestaw 121 Zarzadzanie i Marketing Egzamin z Matematyki. Studia dzienne. 1999 Zaznacz wlasciwa odpowiedz przez otoczenie kolkiem litery a, b lub c. Tylko jedna z podanych odpowiedzi jest

Bardziej szczegółowo

Modele na drzewach binarnych

Modele na drzewach binarnych Rozdzia l 2 Modele na drzewach binarnych W tym rozdziale rozważamy analogon modelu Coxa Rossa Rubinsteina (w skrócie CRR) dla cen obligacji Przedstawimy modele cen obligacji w czasie dyskretnym na drzewach

Bardziej szczegółowo

x 1 2 3 t 1 (x) 2 3 1 o 1 : x 1 2 3 s 3 (x) 2 1 3. Tym samym S(3) = {id 3,o 1,o 2,s 1,s 2,s 3 }. W zbiorze S(n) definiujemy działanie wzorem

x 1 2 3 t 1 (x) 2 3 1 o 1 : x 1 2 3 s 3 (x) 2 1 3. Tym samym S(3) = {id 3,o 1,o 2,s 1,s 2,s 3 }. W zbiorze S(n) definiujemy działanie wzorem 9.1. Izomorfizmy algebr.. Wykład Przykłady: 13) Działaia w grupach często wygodie jest zapisywać w tabelkach Cayleya. Na przykład tabelka działań w grupie Z 5, 5) wygląda astępująco: 5 1 3 1 1 3 1 3 3

Bardziej szczegółowo

Metody numeryczne. materiały do wykładu dla studentów

Metody numeryczne. materiały do wykładu dla studentów Metody numeryczne materiały do wykładu dla studentów 4. Wartości własne i wektory własne 4.1. Podstawowe definicje, własności i twierdzenia 4.2. Lokalizacja wartości własnych 4.3. Metoda potęgowa znajdowania

Bardziej szczegółowo

Proces Poissona. Wykład 4. 4.1 Proces zliczajacy

Proces Poissona. Wykład 4. 4.1 Proces zliczajacy Wykład 4 roces oissona 4.1 roces zliczajacy roces stochastyczny {N t ;t } nazywamy zliczaj acym, gdy N t jest równe całkowitej ilości zdarzeń które zdarzyły się do momentu t. rzekładami procesów zliczajacychn

Bardziej szczegółowo

Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych.

Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych. Wykªad jest prowadzony w oparciu o podr cznik Analiza matematyczna 2. Denicje, twierdzenia, wzory M. Gewerta i Z. Skoczylasa. Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych. Denicja Mówimy,»e funkcja

Bardziej szczegółowo

13 Zastosowania Lematu Szemerédiego

13 Zastosowania Lematu Szemerédiego 13 Zastosowania Lematu Szemerédiego 13.1 Twierdzenie Erdősa-Stone a (Rozdzia ly 7.1 i 7.5 podre cznika) Jednym z g lównych zagadnień ekstremalnej teorii grafów jest wyznaczenie parametru ex(n, H) = max{

Bardziej szczegółowo

166 Wstȩp do statystyki matematycznej

166 Wstȩp do statystyki matematycznej 166 Wstȩp do statystyki matematycznej Etap trzeci realizacji procesu analizy danych statystycznych w zasadzie powinien rozwi azać nasz zasadniczy problem zwi azany z identyfikacj a cechy populacji generalnej

Bardziej szczegółowo

Analiza matematyczna - 14. Analiza zmiennych dyskretnych: ciągi i szeregi liczbowe

Analiza matematyczna - 14. Analiza zmiennych dyskretnych: ciągi i szeregi liczbowe Analiza matematyczna - 4. Analiza zmiennych dyskretnych: ciągi i szeregi liczbowe Wstęp: zmienne ciągłe i zmienne dyskretne Podczas dotychczasowych wykładów rozważaliśmy przede wszystkim zależności funkcyjne

Bardziej szczegółowo

WYMAGANIA EDUKACYJNE Z MATEMATYKI W KLASIE II A ROK SZKOLNY 2013/2014 - ZAKRES PODSTAWOWY

WYMAGANIA EDUKACYJNE Z MATEMATYKI W KLASIE II A ROK SZKOLNY 2013/2014 - ZAKRES PODSTAWOWY WYMAGANIA EDUKACYJNE Z MATEMATYKI W KLASIE II A ROK SZKOLNY 2013/2014 - ZAKRES PODSTAWOWY 1. FUNKCJA KWADRATOWA rysuje wykres funkcji i podaje jej własności sprawdza algebraicznie, czy dany punkt należy

Bardziej szczegółowo

Metody numeryczne. materiały do wykładu dla studentów. 7. Całkowanie numeryczne

Metody numeryczne. materiały do wykładu dla studentów. 7. Całkowanie numeryczne Metody numeryczne materiały do wykładu dla studentów 7. Całkowanie numeryczne 7.1. Całkowanie numeryczne 7.2. Metoda trapezów 7.3. Metoda Simpsona 7.4. Metoda 3/8 Newtona 7.5. Ogólna postać wzorów kwadratur

Bardziej szczegółowo

STEROWANIE OPARTE NA MODELU DLA NIEHOLONOMICZNYCH MANIPULATORÓW MOBILNYCH

STEROWANIE OPARTE NA MODELU DLA NIEHOLONOMICZNYCH MANIPULATORÓW MOBILNYCH Prace Naukowe Instytutu Informatyki, Automatyki i Robotyki Nr 17 Politechniki Wroc lawskiej Nr 17 Monografie Nr 31 29 manipulator mobilny, ograniczenia nieholonomiczne, sterowanie kinematyczne, sterowanie

Bardziej szczegółowo

Rachunek prawdopodobieństwa - Teoria - Przypomnienie.. A i B są niezależne, gdy P(A B) = P(A)P(B). P(A B i )P(B i )

Rachunek prawdopodobieństwa - Teoria - Przypomnienie.. A i B są niezależne, gdy P(A B) = P(A)P(B). P(A B i )P(B i ) Rachunek prawdopodobieństwa - Teoria - Przypomnienie Podstawy Definicja 1. Schemat klasyczny - wszystkie zdarzenia elementarne są równo prawdopodobne, licząc prawdopodobieństwo liczymy stosunek liczby

Bardziej szczegółowo

Analiza matematyczna II (skrypt wykładu) Wydział MIiM UW, 2011/12

Analiza matematyczna II (skrypt wykładu) Wydział MIiM UW, 2011/12 Analiza matematyczna II (skrypt wykładu Wydział MIiM UW, 2011/12 wersja z dnia: 16 maja 2014 Spis treści 1 Ciągłość funkcji wielu zmiennych 1 1.1 Topologia w R n. Zbiory otwarte, domknięte i zwarte.............

Bardziej szczegółowo

Paweł Gładki. Algebra. http://www.math.us.edu.pl/ pgladki/

Paweł Gładki. Algebra. http://www.math.us.edu.pl/ pgladki/ Paweł Gładki Algebra http://www.math.us.edu.pl/ pgladki/ Konsultacje: Środa, 14:00-15:00 Jeżeli chcesz spotkać się z prowadzącym podczas konsultacji, postaraj się powiadomić go o tym przed lub po zajęciach,

Bardziej szczegółowo

Grupy. Rozdział 1. 1.1 Grupy, podgrupy, homomorfizmy. 1.1.1 Definicja i przykłady grup

Grupy. Rozdział 1. 1.1 Grupy, podgrupy, homomorfizmy. 1.1.1 Definicja i przykłady grup Rozdział 1 Grupy Ostatnie zmiany 24.10.2005 r. 1.1 Grupy, podgrupy, homomorfizmy Rozpoczniemy od przypomnienia podstawowych pojęć i faktów z teorii grup, występujących w kursowym uniwersyteckim wykładzie

Bardziej szczegółowo

Lista 1. Procesy o przyrostach niezależnych.

Lista 1. Procesy o przyrostach niezależnych. Lista. Procesy o przyrostach niezależnych.. Niech N t bedzie procesem Poissona o intensywnoci λ = 2. Obliczyć a) P (N 2 < 3, b) P (N =, N 3 = 6), c) P (N 2 = N 5 = 2), d) P (N =, N 2 = 3, N 4 < 5), e)

Bardziej szczegółowo

FUNKCJA KWADRATOWA. Poziom podstawowy

FUNKCJA KWADRATOWA. Poziom podstawowy FUNKCJA KWADRATOWA Poziom podstawowy Zadanie ( pkt) Wykres funkji y = ax + bx+ przehodzi przez punkty: A = (, ), B= (, ), C = (,) a) Wyznaz współzynniki a, b, (6 pkt) b) Zapisz wzór funkji w postai kanoniznej

Bardziej szczegółowo