Dynamika Uk»adów Nieliniowych 2009 Wykład 2 1. Uk»ady dynamiczne
|
|
- Kamila Lipińska
- 7 lat temu
- Przeglądów:
Transkrypt
1 Dynamika Uk»adów ieliniowych 29 Wykład 2 Uk»ady dynamiczne Uk»adem dynamicznym b dziemy nazywali deterministyczn recept na dokonanie ewolucji w czasie stanu danego uk»adu. Czas moóe byƒ albo dyskretny albo wielkoñci cig»: - odwzorowania dyskretne (mapy) s przyk»adem uk»adów z dyskretnym czasem - autonomiczne równania róóniczkowe zwyczajne pierwszego rz du - przyk»adem uk»adów z czasem jako zmienn cig» r d x r r = F [x (t) ] d t Uk»ady równa½ nieautonomicznych moóna zamieniƒ na równania autonomiczne poprzez dodanie odpowiedniego równania do uk»adu. Uwagi: a) W wi kszoñci podr czników w cz Ñci "teoretycznej" rozpatruje si albo odwzorowania dyskretne albo tylko równania róóniczkowe zwyczajne. Wynika to raczej z ogranicze½ matematyki nió realnej sytuacji w przyrodzie! W tych samych podr cznikach analizuje si wiele doñwiadcze½, które ewidentnie nie mog byƒ opisane równania róóniczkowymi zwyczajnymi (konwekcja, przep»yw hydrodynamiczny, zmienność rytmu serca i inne).
2 Dynamika Uk»adów ieliniowych 29 Wykład 2 2 b) óeby rozwizania by»y nieregularne w czasie (chaos deterministyczny) uk»ad dynamiczny musi byƒ odpowiednio wielowymiarowy: - w przypadku uk»adów dyskretnych - juó jednowymiarowe zagadnienia mog dawaƒ zachowania nieregularne (chaotyczne) - w przypadku uk»adów opisywanych uk»adem równa½ róóniczkowych liczba tych równa½ musi byƒ conajmniej 3 Pytanie: dlaczego w takim razie równanie róóniczkowe 2-giego rz du dla wahad»a daje odpowiedï chaotyczn? c) przestrze½ fazowa: przestrze½ wektorów x(t) - nie myliƒ z przestrzeni fazow z fizyki statystycznej: tam jest to przestrze½ {x(t), v(t)} co wynika z 2-giego rz du równa½ ruchu - natomiast tu s one -szego rz du. Odwzorowania odcinkami liniowe: Dyskretne odwzorowania jednowymiarowe ajprostszym odwzorowanie tego typu jest odwzorowanie Bernoulliego: n-krotne iterowanie odwzorowania jednowymiarowego: xn+ = σ ( xn )= 2 xn mod poczynajc od warunku pocztkowego x daje cig wartoñci x = σ(x ), x 2 = σ(σ(x )),..., x n = σ(...σ(σ(x ))
3 Dynamika Uk»adów ieliniowych 29 Wykład 2 3 Wprowadzimy oznaczenie: n-krotne wykonanie odwzorowania (n-krotne złoŝenie odwzorowania) będzie oznaczone przez górny indeks n. Uwaga: n-krotne złoŝenie odwzorowania σ oznaczamy σ n. Przykład: program Modmap; a) przyjąć parametry: parametr kontrolny ; warunek początkowy dowolny z zakresu (,); argument modulo ; rząd złoŝenia b) przyjąć parametry: parametr kontrolny ; warunek początkowy dowolny z zakresu (,); argument modulo ; rząd złoŝenia Definicja: Punkt x * jest punktem sta»ym odwzorowania σ jeóeli x * = σ(x * ) tzn. punkty sta»e leó na przeci ciu wykresu σ(x) z dwusieczn kta prostego.
4 Dynamika Uk»adów ieliniowych 29 Wykład 2 4 Przedstawimy teraz warunek pocztkowy w postaci binarnej: x = ν= tzn w postaci: x =,a a 2 a 3 a 4... gdzie a v przyjmuj wartoñci lub. Dla x <.5 mamy a = Dla x >.5 mamy a = Pierwsza iteracja odwzorowania σ(x ) oznacza przesuni cie cigu reprezentacji binarnej o miejsce w lewo (mnoóenie wielkoñci binarnej przez 2) oraz usuni ciu pierwszej cyfry cigu (modulo ). tzn. x =,a 2 a 3 a 4... Przy kaódej iteracji σ realizuje si wi c przesuni cie Bernoulliego Ma ono nast pujce w»asnoñci: ) Czu»oу na warunki pocztkowe JeÑli dwa warunki pocztkowe róóni si od siebie tylko na n-tym miejscu po przecinku to róónica jest powi kszana przez dzia»anie σ (2 krotnie z kaód iteracj) a ν 2 -ν
5 Dynamika Uk»adów ieliniowych 29 Wykład 2 5 2) Cig iteracji σ n jest w takim samym stopniu cigiem losowym jak cig rzutów monet: zawsze moóna tak dobraƒ x aby i w zapisie binarnym odpowiada»y kolejnym or»om i reszkom rzutu monet (te cigi s wtedy izomorficzne) 3) chociaŝ badany uk»ad jest deterministyczny i rozpoczyna ruch się z warunku początkowego x [,] na skutek kolejnych iteracji odwzorowania dyskretnego stan jest ergodyczny. Oznacza to: obrazy dowolnego x [,] zblióaj si na odleg»oñƒ ε = 2 -n do kaódego punktu odcinka [,] niesko½czenie wiele razy. Przykład: program Modmap; przyjąć parametry: parametr kontrolny ; warunek początkowy dowolny z zakresu (,); argument modulo ; rząd złoŝenia a następnie 2, 4, 8,
6 Dynamika Uk»adów ieliniowych 29 Wykład 2 6 Przesuni cie Bernoulliego jest bezpoñrednim powodem pojawiania si orbit periodycznych: Przyk»ad: x =... (= 2/3) x = σ(x ) =... (= /3) x 2 = σ(x ) =... (= 2/3) Mamy wi c orbit periodyczn o okresie p gdy dobierzemy warunek pocztkowy tak aby jego zapis binarny x =,a a 2...a p a a 2...a p a a 2...a p a a 2...a p itd. Przykład: program Modmap; przyjąć parametry: parametr kontrolny ; warunek początkowy a następnie argument modulo ; rząd złoŝenia Punkt y na orbicie o okresie p jest równieó punktem sta»ym mapy p-krotnie z»oóonej tj. y = σ p (y)
7 Dynamika Uk»adów ieliniowych 29 Wykład 2 7 Mechanizm powstawania chaosu deterministycznego w postaci przesuni cia Bernoulliego jest ca»kowicie uniwersalny: - we wszystkich nieliniowych uk»adach dynamicznych pojawia si rozciganie a nast pnie sk»adanie Dla naszego jednowymiarowego odwzorowania σ: Pocztkowo dla x <.5 odwzorowanie σ rozciga odcinek (,x ] o czynnik 2 astępnie, gdy n > n gdzie n takie, óe 2 n x zaczyna odgrywaƒ rol funkcja modulo: odwzorowuje ona x z powrotem w odcinek jednostkowy. Innych moóliwoñci nie ma: bez modulo nie by»oby rozwiza½ ograniczonych do jakiegoñ skończonego obszaru przestrzeni fazowej.
8 Dynamika Uk»adów ieliniowych 29 Wykład 2 8 Wyk»adnik Lapunowa Rozciganie powoduje, óe blisko siebie leóące punkty pod wp»ywem odwzorowania nieliniowego f(x n ) oddalaj si od siebie: gdzie λ jest wyk»adnikiem Lapunowa. pełni rolę czasu o wartościach dyskretnych a więc λ jest (średnią prędkością oddalania się (zbliŝania) trajektorii. Jak widaƒ: ε exp ( λ ( x ))= f ( x + ε ) - f ( x ) W granicy otrzymuje si Ñcis»e wyraóenie na wykładnik Lapunowa λ(x ): λ ( x )= lim lim = = lim lim ε ln F ( x df ( ln x dx - i = ) ln f ( xi ) + ε ) - ε f ( x )
9 Dynamika Uk»adów ieliniowych 29 Wykład 2 9 Wykladnik Lapunowa mierzy Ñredni ubytek informacji o po»oóeniu punktu na odcinku [,) po jednej iteracji odwzorowania. Wyk»adnik Lapunowa a stabilnoñƒ punktu sta»ego Definicja: Punkt sta»y x * jest lokalnie stabilny, jeśli wszystkie punkty x w pewnym otoczeniu x * s do niego przycigane: inaczej jeñli cig iteracji x,x,x 2,...,x n,... x * Analityczne kryterium lokalnej stabilnoñci jest spe»nione dla warunku: d * dx f(x*) < dlatego, óe odleg»oñƒ od punktu sta»ego: * * * δ n += xn+ - x = f( x + δ n ) - x d * f( x ) * δ n dx Widzimy zwizek pomi dzy wyk»adnikiem Lapunowa a stabilnoñci punktu sta»ego odwzorowania. W»asnoу ta moóe byƒ uogólniona: dodatni wyk»adnik Lapunowa Ñwiadczy o niestabilnoñci rozwizania (ale nie o braku rozwizania).
10 Dynamika Uk»adów ieliniowych 29 Wykład 2 Przyk»ad: Odwzorowanie trójktne ("mapa namiotowa"): (x)= a ( x ) 2 Dla a <.5 punkt sta»y x * = jest jedynym punktem stabilnym ca»ego odcinka [,) Dla a >.5 s dwa niestabilne punkty sta»e: i 2a/(+2a). Weïmy n (x n ) dla a=. Jest ono teó kawa»kami liniowe. Przykład: program TentMap Przyjmując dowolny warunek początkowy obszaru basenu atrakcji (,) oraz rząd złoŝenia Prześledzić zachowanie odwzorowania namiotowego dla < a <.5 oraz.5 <a < Sprawdzić, Ŝe dla a = osiąga się punkt stały x * = 2/3. Dla.5 <a < x * = 2a/(+2a)
11 Dynamika Uk»adów ieliniowych 29 Wykład 2 Wsz dzie poza przeliczalnym zbiorem punktów: d dx Pochodna ta jest miarą stabilności rozwiązania. n n (x) = 2 j 2 -n gdzie j=,,2,...,2 n Widzimy wi c, óe odleg»oñƒ (prawie) kaŝdej pary punktów x, x +ε roñnie wyk»adniczo z n. Std wyk»adnik Lapunowa jest nie zaleŝny od warunku pocztkowego x λ = ln2 Dla dowolnej wartoñci parametru kontrolnego a λ = ln 2a i zmienia znak dla wartoñci krytycznej a c = /2 Pokaz: Wykładnik Lagunowa w funkcji parametry kontrolnego dla róŝnych odwzorowań Analogia do zjawisk krytycznych fizyki statystycznej: W poblióu punktu krytycznego a c wyk»adnik Lapunowa zmienia si zgodnie z prawem: λ (r - rc ) Wyk»adnik Lapunowa spe»nia wi c rol parametru porzdku w analogii do przejñƒ fazowych fizyki statystycznej stanów równowagi.
12 Dynamika Uk»adów ieliniowych 29 Wykład 2 2 Miara niezmiennicza a pocztek: G stoñƒ niezmiennicza ρ(x) odwzorowania jednowymiarowego x n+ = f(x n ), dla x n ε [,], n=,2,... okreñla asymptotyczn g stoñƒ iteracji na odcinku jednostkowym (naturalna g stoñƒ niezmiennicza): i ρ (x) lim δ [ x - f ( x ) ] i= Uk»ad jest ergodyczny jeñli ρ(x) nie zaleóy od warunku pocztkowego x. Pokaz: Miara naturalna dla róŝnych odwzorowań jednowymiarowych W takim przypadku - podobnie jak w fizyce statystycznej - Ñrednie po czasie funkcji g(x) moóna wyraziƒ jako Ñrednie z g stoñci niezmiennicz: lim i= g( x i ) lim i= g[ f i ( x ) ] = ρ (x) g(x) dx
13 Dynamika Uk»adów ieliniowych 29 Wykład 2 3 Jest to jednowymiarowy odpowiednik termodynamicznego uñredniania z klasycznej fizyki statystycznej: gdzie o o o x=[p(t),q(t)], A(x) jest dowoln funkcj lim T T T A[x ( t ) ] dt = ρ (x) A(x) wspó»rz dne uogólnione q i p dy uogólnione p spe»niaj równania Hamiltona. W klasycznej fizyce statystycznej operator Liouville'a L okreñla ewolucj w czasie gęstoñci prawdopodobie½stwa w wyraóeniu na Ñredni po zespole statystycznym: ρ& (x,t) = - i Lρ ( x,t) gdzie operator Liouville a: H H L = i - p q q p Ewolucj w czasie g stoñci iteracji ρ(x) odwzorowania dyskretnego okreñla operator Frobenius-Perona: ρ = ρ (y) δ [x - (x) n+ n f (y) ] dy dx
14 Dynamika Uk»adów ieliniowych 29 Wykład 2 4 Przyk»ad: Operator Frobeniusa-Perona dla odwzorowania namiotowego Dane jest odwzorowanie: (x) = 2x, 2( - x), 2 x < 2 x tak, óe x i+ = (x i ), i=,,2,... Zamiast analizowaƒ jak odwzorowanie dzia»a na pojedy½czy punkt odcinka (,), rozpatrzmy g stoñƒ pocztkow ρ. Gdy dzia»a na ρ otrzymujemy pewn nowa g stoñc Pρ. U»amek g stoñci Pρ na odcinku [,x] jest x Pρ(s)ds Po jednej iteracji odwzorowania : punkty w [,x] pochodz z przeciwobrazu - ([,x]) odwzorowania - ([,x])= {y : (y) [,x]} (x) X x n - ([,x])
15 Dynamika Uk»adów ieliniowych 29 Wykład 2 5 Łatwo obliczyƒ, óe Std x - ([,x])= [, 2 Pρ(s)ds = x 2 x] I [ - ρ(s) ds + x x,] ρ(s) ds JeÑli t funkcj górnej granicy ca»kowania zróŝniczkowaƒ po x otrzymuje si jawną postaƒ operatora Frobeniusa-Perona dla odwzorowania namiotowego: x x Pρ (x)= [ ρ( )+ ρ( - )] G stoñƒ niezmiennicza ma t w»asnoñƒ, óe: ρ (x) = ρ (y) δ [x - (y) ] dy Rozwizaniem tego ostatniego równania s równieó niestabilne punkty sta»e odwzorowania. Jednakóe przy obliczeniach numerycznych (zaokrglenia) jak rówieó na skutek fluktuacji w uk»adach rzeczywistych f prawdopodobie½stwo trafienia w taki niestabilny punkt sta»y jest nieistotne.
16 Dynamika Uk»adów ieliniowych 29 Wykład 2 6 Przyk»ad: Dla odwzorowania "namiotowego" (x) z parametrem a = równanie na g stoñƒ niezmiennicz: x x ρ (x) = ρ + ρ i ma rozwizanie: ρ(x) = a wi c jest sta»a na ca»ym odcinku [,]. Odwzorowanie to jest wi c ergodyczne. W wielu wypadkach naturalna g stoñƒ niezmiennicza nie istnieje. p wtedy gdy w wyniku dzia»ania odwzorowania dyskretnego f(x) otrzymuje się asymptotycznie zbiór fraktalny (np. zbiór Cantora). Wtedy wprowadza się (ogólniejszą) gęstość iteracji µ posługując się pojęciem przeciwobrazu f - (x) odwzorowania f(x). Podobnie postąpiliśmy w przykładzie wyprowadzenia operatora Frobeniusa-Perona dla odwzorowania namiotowego. Wtedy mówimy, óe miara µ jest niezmiennicza gdy µ(s) = µ(f - (S)) gdzie S jest zbiorem, na który działa dane odwzorowanie.
17 Dynamika Uk»adów ieliniowych 29 Wykład 2 7 Przykład: Dyfuzja deterministyczna. Program: dyfuzja Uwaga: program wymaga DOS-extendera DOS4GW.EXE w tym samym katalogu lub na ścieŝce. Parametry: Parametr kontrolny.5 Przyjmij warunek początkowy: x = 2.55 Iterując krok po kroku zaobserwuj, w którą stronę trajektoria opuści wykres. Zmień warunek początkowy (klawisz i ) na 2.6 i zaobserwuj w którą stronę teraz trajektoria opuści wykres.
spr óyny nieliniowej, której spr óystoñƒ maleje dla wi kszych drga½ x.
Fizyka Ogólna Wyk»ad IV 1 Drgania nieliniowe Dotychczas rozpatrzyliśmy ruch drgający w układach, w których działa siła spręŝysta Działanie tej siły na cząstkę masywną prowadzi do ruchu harmonicznego: o
Bardziej szczegółowoczyli 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 szczegółowoTransformacje optyczne Transformata Fouriera w optyce
Fizyka Ogólna Wyk»adu 13 1 Dany jest odcinek AB. Transformacje optyczne Transformata Fouriera w optyce JeÑli odcinek ten jest normalny do Ñwiat»a pochodzacego ze ïród»a znajdujacego si w niesko½czonoñci
Bardziej szczegółowoUnimodalne odwzorowania kwadratowe
Dynamika Ukadów Nieliniowych 2009 Wykład 3 1 Unimodalne odwzorowania kwadratowe Najbardziej znane s dwa odwzorowania: - kwadratowe x n+1 = 1 - a x n 2 lub równowanie x n+1 = C - x n 2 - logistyczne x n+1
Bardziej szczegółowoSpecjalistyczna Pracownia Komputerowa Obliczanie widma Lapunowa
Arkadiusz Neubauer IV rok, Fizyka z Informatyką. Specjalistyczna Pracownia Komputerowa Obliczanie widma Lapunowa 1 Problem fizyczny W poniższej pracy przedstawiono numeryczną metodę obliczania widma Lapunowa
Bardziej szczegółowoChaotyczne generatory liczb pseudolosowych
Chaotyczne generatory liczb pseudolosowych Michał Krzemiński michalkrzeminski@wp.pl Politechnika Gdańska Wydział Fizyki Technicznej i Matematyki Stosowanej Chaotyczne generatory liczb pseudolosowych -
Bardziej szczegółowoIII. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań.
III. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań. Analiza stabilności rozwiązań stanowi ważną część jakościowej teorii równań różniczkowych. Jej istotą jest poszukiwanie odpowiedzi
Bardziej szczegółowoChaos w układach dynamicznych: miary i kryteria chaosu
: miary i kryteria chaosu Uniwersytet Śląski w Katowicach, Wydział Matematyki, Fizyki i Chemii 27.08.14 : miary i kryteria chaosu Temat tego referatu jest związany z teorią układów dynamicznych która ma
Bardziej szczegółowoRÓWNANIA RÓŻNICZKOWE ZWYCZAJNE. Marta Zelmańska
RÓWNANIA RÓŻNICZKOWE ZWYCZAJNE Marta Zelmańska Toruń 009 1 Rozdział 1 Wstęp Definicja 1. Równaniem różniczkowym zwyczajnym rzędu n nazywamy równanie: F (t, x, x, x,..., x (n) ) = 0 (1.1) Rozwiązaniem równania
Bardziej szczegółowoTEORIA CHAOSU. Autorzy: Szymon Sapkowski, Karolina Seweryn, Olaf Skrabacz, Kinga Szarkowska
TEORIA CHAOSU Autorzy: Szymon Sapkowski, Karolina Seweryn, Olaf Skrabacz, Kinga Szarkowska Wydział MiNI Politechnika Warszawska Rok akademicki 2015/2016 Semestr letni Krótki kurs historii matematyki DEFINICJA
Bardziej szczegółowoRozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład
Rozdział 1 Wektory losowe 1.1 Wektor losowy i jego rozkład Definicja 1 Wektor X = (X 1,..., X n ), którego każda współrzędna jest zmienną losową, nazywamy n-wymiarowym wektorem losowym (krótko wektorem
Bardziej szczegółowoMODELOWANIE RZECZYWISTOŚCI
MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN Szkoła Wyższa Psychologii Społecznej d.wojcik@nencki.gov.pl dwojcik@swps.edu.pl tel. 022 5892 424 http://www.neuroinf.pl/members/danek/swps/
Bardziej szczegółowoDynamika nieliniowa i chaos deterministyczny. Fizyka układów złożonych
Dynamika nieliniowa i chaos deterministyczny Fizyka układów złożonych Wahadło matematyczne F θ = mgsinθ Druga zasada dynamiki: ma = mgsinθ a = d2 x dt 2 = gsinθ Długość łuku: x = Lθ Równanie ruchu: θ ሷ
Bardziej szczegółowoPodręcznik. Przykład 1: Wyborcy
MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN d.wojcik@nencki.gov.pl tel. 5892 424 http://www.neuroinf.pl/members/danek/swps/ Iwo Białynicki-Birula Iwona Białynicka-Birula
Bardziej szczegółowo17.1 Podstawy metod symulacji komputerowych dla klasycznych układów wielu cząstek
Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Rozdział 17 KLASYCZNA DYNAMIKA MOLEKULARNA 17.1 Podstawy metod symulacji komputerowych dla klasycznych układów wielu cząstek Rozważamy układ N punktowych cząstek
Bardziej szczegółowoUkłady statystyczne. Jacek Jurkowski, Fizyka Statystyczna. Instytut Fizyki
Instytut Fizyki 2015 Stany mikroskopowe i makroskopowe w układzie wielopoziomowym Stany mikroskopowe i makroskopowe w układzie wielopoziomowym N rozróżnialnych cząstek, z których każda może mieć energię
Bardziej szczegółowoJeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna.
Wykład 4 Rozkłady i ich dystrybuanty Dwa typy zmiennych losowych Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x, x 2,...}, to mówimy, że jest to zmienna dyskretna.
Bardziej szczegółowoWyk»ad wst pny. Podr czniki
Fizyka 2 Wyk»ad 1 1 Podr czniki Wyk»ad wst pny R.Kosi½ski - Wprowadzenie do mechaniki kwantowej i fizyki statystycznej, Oficyna Wydawnicza PW 2006. S.Brandt, H.D.Dahmen, Mechanika kwantowa w obrazach,
Bardziej szczegółowoPrognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania
Prognozowanie i Symulacje. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Szeregi czasowe 1 Szeregi czasowe 2 3 Szeregi czasowe Definicja 1 Szereg czasowy jest to proces stochastyczny z czasem dyskretnym
Bardziej szczegółowoVII. 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 szczegółowoPEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA
PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA 1. Trójkę (Ω, F, P ), gdzie Ω, F jest σ-ciałem podzbiorów Ω, a P jest prawdopodobieństwem określonym na F, nazywamy przestrzenią probabilistyczną. 2. Rodzinę F
Bardziej szczegółowoZaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 4. Równania różniczkowe zwyczajne podstawy teoretyczne
Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 4. Równania różniczkowe zwyczajne podstawy teoretyczne P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2005/06 Wstęp
Bardziej szczegółowoWykład 3 Jednowymiarowe zmienne losowe
Wykład 3 Jednowymiarowe zmienne losowe Niech (Ω, F, P ) będzie ustaloną przestrzenią probabilistyczną Definicja 1 Jednowymiarowa zmienna losowa (o wartościach rzeczywistych), określoną na przestrzeni probabilistycznej
Bardziej szczegółowoWykład z modelowania matematycznego.
Załóżmy, że równanie różniczkowe x (t) = f (t, x) (1) ma rozwiązanie ogólne x(t) = ϕ(t, c). (2) Załóżmy, że równanie różniczkowe x (t) = f (t, x) (1) ma rozwiązanie ogólne x(t) = ϕ(t, c). (2) Rodzina funkcji
Bardziej szczegółowo1 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 szczegółowoElementy rachunku różniczkowego i całkowego
Elementy rachunku różniczkowego i całkowego W paragrafie tym podane zostaną elementarne wiadomości na temat rachunku różniczkowego i całkowego oraz przykłady jego zastosowania w fizyce. Małymi literami
Bardziej szczegółowoFizyka statystyczna, elementy termodynamiki nierównowagowej Cele, zakres zagadnień
Fizyka statystyczna, elementy termodynamiki nierównowagowej Cele, zakres zagadnień Narzędzia przypomnienie podstawowych definicji i twierdzeń z rachunku prawdopodobienstwa; podstawowe rozkłady statystyczne
Bardziej szczegółowoϕ(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 szczegółowoZadania do wykładu Jakościowa Teoria Równań Różniczkowych Zwyczajnych
Zadania do wykładu Jakościowa Teoria Równań Różniczkowych Zwyczajnych [ ] e Zadanie 1 Pokazać, że X(t) = 2t cos t sin t e 2t jest specjalną macierzą fundamentalną w sin t cos t [ 2 cos chwili τ = 0 układu
Bardziej szczegółowoWykład 2. Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova)
Wykład 2 Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova) 1. Procesy Markova: definicja 2. Równanie Chapmana-Kołmogorowa-Smoluchowskiego 3. Przykład dyfuzji w kapilarze
Bardziej szczegółowoMetody Rozmyte i Algorytmy Ewolucyjne
mgr inż. Wydział Matematyczno-Przyrodniczy Szkoła Nauk Ścisłych Uniwersytet Kardynała Stefana Wyszyńskiego Podstawowe operatory genetyczne Plan wykładu Przypomnienie 1 Przypomnienie Metody generacji liczb
Bardziej szczegółowoTydzień nr 9-10 (16 maja - 29 maja), Równania różniczkowe, wartości własne, funkcja wykładnicza od operatora - Matematyka II 2010/2011L
Tydzień nr 9-10 (16 maja - 29 maja) Równania różniczkowe wartości własne funkcja wykładnicza od operatora - Matematyka II 2010/2011L Wszelkie pytania oraz uwagi o błędach proszę kierować na przemek.majewski@gmail.com
Bardziej szczegółowoNiestabilne orbity okresowe a (niektóre) własności układów chaotycznych
Niestabilne orbity okresowe a (niektóre) własności układów chaotycznych Justyna Signerska,Jan Pyrzowski Politechnika Gdańska, Akademia Medyczna w Gdańsku Hel 2008 p.1/3 Outline Podstawowe definicje Hel
Bardziej szczegółowoPodkowa Smale a jako klasyk chaosu
IV Matematyczne Warsztaty KaeNeMw p. 1/? Podkowa Smale a jako klasyk chaosu Justyna Signerska jussig@wp.pl Wydział Fizyki Technicznej i Matematyki Stosowanej, Politechnika Gdańska Konstrukcja odwzorowania
Bardziej szczegółowoFunkcje dwóch zmiennych
Funkcje dwóch zmiennych Andrzej Musielak Str Funkcje dwóch zmiennych Wstęp Funkcja rzeczywista dwóch zmiennych to funkcja, której argumentem jest para liczb rzeczywistych, a wartością liczba rzeczywista.
Bardziej szczegółowoANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15
ANALIZA NUMERYCZNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Metoda Eulera 3 1.1 zagadnienia brzegowe....................... 3 1.2 Zastosowanie ró»niczki...................... 4 1.3 Output do pliku
Bardziej szczegółowo1.1 Przegląd wybranych równań i modeli fizycznych. , u x1 x 2
Temat 1 Pojęcia podstawowe 1.1 Przegląd wybranych równań i modeli fizycznych Równaniem różniczkowym cząstkowym rzędu drugiego o n zmiennych niezależnych nazywamy równanie postaci gdzie u = u (x 1, x,...,
Bardziej szczegółowoKryptoanaliza algorytmu chaotycznego szyfrowania obrazu
Kryptoanaliza algorytmu chaotycznego szyfrowania obrazu Karol Jastrzębski Praca magisterska Opiekun: dr hab. inż. Zbigniew Kotulski Plan prezentacji Teoria chaosu: Wprowadzenie, cechy układów chaotycznych,
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
21 marca 2011 Zmienna losowa - wst ep Przeprowadzane w praktyce badania i eksperymenty maja bardzo różnorodny charakter, niemniej jednak wiaż a sie one z rejestracja jakiś sygna lów (danych). Moga to być
Bardziej szczegółowo1 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 szczegółowoStochastyczna dynamika z opóźnieniem czasowym w grach ewolucyjnych oraz modelach ekspresji i regulacji genów
Stochastyczna dynamika z opóźnieniem czasowym w grach ewolucyjnych oraz modelach ekspresji i regulacji genów Jacek Miękisz Instytut Matematyki Stosowanej i Mechaniki Uniwersytet Warszawski Warszawa 14
Bardziej szczegółowoInżynieria Systemów Dynamicznych (4)
Inżynieria Systemów Dynamicznych (4) liniowych (układów) Piotr Jacek Suchomski Katedra Systemów Automatyki WETI, Politechnika Gdańska 2 grudnia 2010 O czym będziemy mówili? 1 2 WE OKREŚLO 3 ASYMPTO 4 DYNAMICZ
Bardziej szczegółowoDefinicje i przykłady
Rozdział 1 Definicje i przykłady 1.1 Definicja równania różniczkowego 1.1 DEFINICJA. Równaniem różniczkowym zwyczajnym rzędu n nazywamy równanie F (t, x, ẋ, ẍ,..., x (n) ) = 0. (1.1) W równaniu tym t jest
Bardziej szczegółowoDynamika Uk adów Nieliniowych 2009 Wykład 11 1 Synchronizacja uk adów chaotycznych O synchronizacji mówiliśmy przy okazji języków Arnolda.
Dynamika Ukadów Nieliniowych 2009 Wykład 11 1 Synchronizacja ukadów chaotycznych O synchronizacji mówiliśmy przy okazji języków Arnolda. Wtedy była to synchronizacja stanów periodycznych. Wiecej na ten
Bardziej szczegółowoAnaliza Matematyczna część 5
[wersja z 14 V 6] Analiza Matematyczna część 5 Konspekt wykładu dla studentów fizyki/informatyki Akademia Świętokrzyska 5/6 Wojciech Broniowski 1 Równania różniczkowe Definicje, klasyfikacja Równanie różniczkowe
Bardziej szczegółowoPrzykład 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 szczegółowowiczenia z rachunku wyrównawczego Materiały pomocnicze
wiczenia z rachunku wyrównawczego Materiały pomocnicze Kraków 1999 2 Spis treści 1. Prawo przenoszenia si b» dów średnich spostrzeŝeń niezaleŝnych od siebie. 3 2. Rozwizywanie uk»adów równa½ liniowych.........................
Bardziej szczegółowoWykłady 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 szczegółowoLiteratura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.
Literatura Krysicki W., Bartos J., Dyczka W., Królikowska K, Wasilewski M., Rachunek Prawdopodobieństwa i Statystyka Matematyczna w Zadaniach, cz. I. Leitner R., Zacharski J., Zarys matematyki wyŝszej
Bardziej szczegółowoLiniowe i nieliniowe oscylatory
Dynamika układów nieliniowych 2009 Wykład 6 1 Liniowe i nieliniowe oscylatory (porównanie jako ciowe bez odwo ywania si do równa ró niczkowych) Proste liniowe oscylacje: opisane przez wyra enie Asin(ωt+φ)
Bardziej szczegółowoMatematyka II. Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr letni 2018/2019 wykład 13 (27 maja)
Matematyka II Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr letni 208/209 wykład 3 (27 maja) Całki niewłaściwe przedział nieograniczony Rozpatrujemy funkcje ciągłe określone na zbiorach < a, ),
Bardziej szczegółowoWykład 5. Zagadnienia omawiane na wykładzie w dniu r
Wykład 5. Zagadnienia omawiane na wykładzie w dniu 14.11.2018r Definicja (iloraz różnicowy) Niech x 0 R oraz niech funkcja f będzie określona przynajmnniej na otoczeniu O(x 0 ). Ilorazem różnicowym funkcji
Bardziej szczegółowoSuperdyfuzja. Maria Knorps. Wydział Fizyki Technicznej i Matematyki stosowanej, Politechnika Gdańska
VI Matematyczne Warsztaty KaeNeMów p. 1/2 Superdyfuzja Maria Knorps maria.knorps@gmail.com Wydział Fizyki Technicznej i Matematyki stosowanej, Politechnika Gdańska VI Matematyczne Warsztaty KaeNeMów p.
Bardziej szczegółowoJan Olek. Uniwersytet Stefana Kardynała Wyszyńskiego. Procesy z Opóźnieniem. J. Olek. Równanie logistyczne. Założenia
Procesy z Procesy z Jan Olek Uniwersytet Stefana ardynała Wyszyńskiego 2013 Wzór równania logistycznego: Ṅ(t)=rN(t)(1- N ), gdzie Ṅ(t) - przyrost populacji w czasie t r - rozrodczość netto, (r > 0) N -
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
10 marca 2014 Zmienna losowa - wst ep Przeprowadzane w praktyce badania i eksperymenty maja bardzo różnorodny charakter, niemniej jednak wiaż a sie one z rejestracja jakiś sygna lów (danych). Moga to być
Bardziej szczegółowoZastosowanie wykładników Lapunowa do badania stabilności sieci elektroenergetycznej
Zastosowanie wykładników Lapunowa do badania stabilności sieci elektroenergetycznej dr inż. Olgierd Małyszko Katedra Elektroenergetyki i Napędów Elektrycznych, Wydział Elektryczny Zachodniopomorski Uniwersytet
Bardziej szczegółowoWykład 8 i 9. Hipoteza ergodyczna, rozkład mikrokanoniczny, wzór Boltzmanna
Wykład 8 i 9 Hipoteza ergodyczna, rozkład mikrokanoniczny, wzór Boltzmanna dr hab. Agata Fronczak, prof. PW Wydział Fizyki, Politechnika Warszawska 1 stycznia 2017 dr hab. A. Fronczak (Wydział Fizyki PW)
Bardziej szczegółowoJednowymiarowa zmienna losowa
1 Jednowymiarowa zmienna losowa Przykład Doświadczenie losowe - rzut kostką do gry. Obserwujemy ilość wyrzuconych oczek. Teoretyczny model eksperymentu losowego - przestrzeń probabilistyczna (Ω, S, P ),
Bardziej szczegółowoStabilność II Metody Lapunowa badania stabilności
Metody Lapunowa badania stabilności Interesuje nas w sposób szczególny system: Wprowadzamy dla niego pojęcia: - stabilności wewnętrznej - odnosi się do zachowania się systemu przy zerowym wejściu, czyli
Bardziej szczegółowoSystemy. 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 szczegółowoMatematyka 1. Šukasz Dawidowski. Instytut Matematyki, Uniwersytet l ski
Matematyka 1 Šukasz Dawidowski Instytut Matematyki, Uniwersytet l ski Pochodna funkcji Niech a, b R, a < b. Niech f : (a, b) R b dzie funkcj oraz x, x 0 (a, b) b d ró»nymi punktami przedziaªu (a, b). Wyra»enie
Bardziej szczegółowoPolitechnika Wrocławska, Wydział Informatyki i Zarządzania. Modelowanie
Politechnika Wrocławska, Wydział Informatyki i Zarządzania Modelowanie Zad Wyznacz transformaty Laplace a poniższych funkcji, korzystając z tabeli transformat: a) 8 3e 3t b) 4 sin 5t 2e 5t + 5 c) e5t e
Bardziej szczegółowoTeoria mechanizmów Prof. dr hab. inż. Krzysztof Czołczyński Katedra Dynamiki Maszyn pok. 124a
Teoria mechanizmów Prof. dr hab. inż. Krzysztof Czołczyński Katedra Dynamiki Maszyn pok. 124a Mechanizm Mechanizmem nazywa się układ połączonych ze sobą ciał (ogniw) o ściśle określonym ruchu względnym.
Bardziej szczegółowo13. Równania różniczkowe - portrety fazowe
13. Równania różniczkowe - portrety fazowe Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie rzegorz Kosiorowski (Uniwersytet Ekonomiczny 13. wrównania Krakowie) różniczkowe - portrety fazowe 1 /
Bardziej szczegółowoChaos, fraktale i statystyka
Bogumiła Koprowska Elżbieta Kukla 1 Przykłady Odwzorowanie logistyczne Odwzorowanie trójkątne 2 Historia 3 Fraktale Zbiór Mandelbrota i zbiór Julii Przykłady fraktali 4 Podstawowe pojęcia Układy dynamiczne
Bardziej szczegółowoMetody numeryczne I Równania nieliniowe
Metody numeryczne I Równania nieliniowe Janusz Szwabiński szwabin@ift.uni.wroc.pl Metody numeryczne I (C) 2004 Janusz Szwabiński p.1/66 Równania nieliniowe 1. Równania nieliniowe z pojedynczym pierwiastkiem
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka
Rachunek prawdopodobieństwa i statystyka Momenty Zmienna losowa jest wystarczająco dokładnie opisana przez jej rozkład prawdopodobieństwa. Względy praktyczne dyktują jednak potrzebę znalezienia charakterystyk
Bardziej szczegółowoRachunek różniczkowy funkcji dwóch zmiennych
Rachunek różniczkowy funkcji dwóch zmiennych Definicja Spis treści: Wykres Ciągłość, granica iterowana i podwójna Pochodne cząstkowe Różniczka zupełna Gradient Pochodna kierunkowa Twierdzenie Schwarza
Bardziej szczegółowo5 Przegląd najważniejszych rozkładów
5 Przegląd najważniejszych rozkładów 5. Rozkład Bernoulliego W niezmieniających się warunkach wykonujemy n razy pewne doświadczenie. W wyniku każdego doświadczenia może nastąpić zdarzenie A lub A. Zakładamy,
Bardziej szczegółowoZadania z Rachunku Prawdopodobieństwa III - 1
Zadania z Rachunku Prawdopodobieństwa III - 1 Funkcją tworzącą momenty (transformatą Laplace a) zmiennej losowej X nazywamy funkcję M X (t) := Ee tx, t R. 1. Oblicz funkcję tworzącą momenty zmiennych o
Bardziej szczegółowoINSTRUKCJA DO ĆWICZENIA NR 7
KATEDRA MECHANIKI STOSOWANEJ Wydział Mechaniczny POLITECHNIKA LUBELSKA INSTRUKCJA DO ĆWICZENIA NR 7 PRZEDMIOT TEMAT OPRACOWAŁ LABORATORIUM MODELOWANIA Przykładowe analizy danych: przebiegi czasowe, portrety
Bardziej szczegółowoZagdanienia do egzaminu z Inżynierskich Metod Numerycznych - semestr 1
Zagdanienia do egzaminu z Inżynierskich Metod Numerycznych - semestr 1 Tomasz Chwiej 6 czerwca 2016 1 Równania różniczkowe zwyczajne Zastosowanie szeregu Taylora do konstrukcji ilorazów różnicowych: iloraz
Bardziej szczegółowoII. 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 szczegółowoZadania 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 szczegółowoJanusz Adamowski METODY OBLICZENIOWE FIZYKI Kwantowa wariacyjna metoda Monte Carlo. Problem własny dla stanu podstawowego układu N cząstek
Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Rozdział 20 KWANTOWE METODY MONTE CARLO 20.1 Kwantowa wariacyjna metoda Monte Carlo Problem własny dla stanu podstawowego układu N cząstek (H E 0 )ψ 0 (r)
Bardziej szczegółowoZadania 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 szczegółowoTeoria 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 szczegółowoJednowymiarowa mechanika kwantowa Rozpraszanie na potencjale Na początek rozważmy najprostszy przypadek: próg potencjału
Fizyka 2 Wykład 4 1 Jednowymiarowa mechanika kwantowa Rozpraszanie na potencjale Na początek rozważmy najprostszy przypadek: próg potencjału Niezależne od czasu równanie Schödingera ma postać: 2 d ( x)
Bardziej szczegółowoFLAC Fast Lagrangian Analysis of Continua
FLAC Fast Lagrangian Analysis of Continua Program FLAC jest oparty o metodę róŝnic skończonych. Metoda RóŜnic Skończonych (MRS) jest chyba najstarszą metodą numeryczną. W metodzie tej kaŝda pochodna w
Bardziej szczegółowo22 Pochodna funkcji definicja
22 Pochodna funkcji definicja Rozważmy funkcję f : (a, b) R, punkt x 0 b = +. (a, b), dopuszczamy również a = lub Definicja 33 Mówimy, że funkcja f jest różniczkowalna w punkcie x 0, gdy istnieje granica
Bardziej szczegółowoKLUCZ PUNKTOWANIA ODPOWIEDZI
Egzamin maturalny maj 009 MATEMATYKA POZIOM PODSTAWOWY KLUCZ PUNKTOWANIA ODPOWIEDZI Zadanie 1. Matematyka poziom podstawowy Wyznaczanie wartoci funkcji dla danych argumentów i jej miejsca zerowego. Zdajcy
Bardziej szczegółowoUkłady dynamiczne. proseminarium dla studentów III roku matematyki. Michał Krych i Anna Zdunik. rok akad. 2014/15
Układy dynamiczne proseminarium dla studentów III roku matematyki Michał Krych i Anna Zdunik rok akad. 2014/15 Układy dynamiczne Układy dynamiczne Układy dynamiczne, i związana z nimi Teoria ergodyczna
Bardziej szczegółowo1 Pochodne wyższych rzędów
Pochodne wyższych rzędów Pochodną rzędu drugiego lub drugą pochodną funkcji y = f(x) nazywamy pochodną pierwszej pochodnej tej funkcji. Analogicznie definiujemy pochodne wyższych rzędów, jako pochodne
Bardziej szczegółowoW efekcie: obserwujemy fale, które s superpozycj fal kulistych (wtórnych).
Fizyka Ogólna Wykład Dyfrakcja Zasada Huygensa: Kaódy punkt, do którego dotar»a fala staje si ïród»em fali kulistej W efekcie: obserwujemy fale, które s superpozycj fal kulistych (wtórnych). Kiedy wi c
Bardziej szczegółowoWykład z analizy danych: powtórzenie zagadnień z rachunku prawdopodobieństwa
Wykład z analizy danych: powtórzenie zagadnień z rachunku prawdopodobieństwa Marek Kubiak Instytut Informatyki Politechnika Poznańska Plan wykładu Podstawowe pojęcia rachunku prawdopodobieństwa Rozkład
Bardziej szczegółowoPochodne. Zbigniew Koza. Wydział Fizyki i Astronomii
Pochodne Zbigniew Koza Wydział Fizyki i Astronomii Wrocław, 2015 MOTYWACJA Rozpatrzmy gładką funkcję np. y x = x 2 w okolicach punktu (1,1) x 0 = 1, y 0 = f x 0 = 1 powiększmy wykres wokół (x 0, f(x 0
Bardziej szczegółowoIII. ZMIENNE LOSOWE JEDNOWYMIAROWE
III. ZMIENNE LOSOWE JEDNOWYMIAROWE.. Zmienna losowa i pojęcie rozkładu prawdopodobieństwa W dotychczas rozpatrywanych przykładach każdemu zdarzeniu była przyporządkowana odpowiednia wartość liczbowa. Ta
Bardziej szczegółowoRozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów
Rozdział : Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów W tym rozdziale omówione zostaną dwie najpopularniejsze metody estymacji parametrów w ekonometrycznych modelach nieliniowych,
Bardziej szczegółowoFale 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 szczegółowoZagadnienia brzegowe dla równań eliptycznych
Temat 7 Zagadnienia brzegowe dla równań eliptycznych Rozważmy płaski obszar R 2 ograniczony krzywą. la równania Laplace a (Poissona) stawia się trzy podstawowe zagadnienia brzegowe. Zagadnienie irichleta
Bardziej szczegółowoMetody 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 szczegółowoZdzisław 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 szczegółowoTematy prac magisterskich i doktorskich
Tematy prac magisterskich i doktorskich Stochastyczna dynamika z opóźnieniami czasowymi w grach ewolucyjnych oraz modelach ekspresji i regulacji genów Jacek Miękisz Instytut Matematyki Stosowanej i Mechaniki
Bardziej szczegółowoIX. MECHANIKA (FIZYKA) KWANTOWA
IX. MECHANIKA (FIZYKA) KWANTOWA IX.1. OPERACJE OBSERWACJI. a) klasycznie nie ważna kolejność, w jakiej wykonujemy pomiary. AB = BA A pomiar wielkości A B pomiar wielkości B b) kwantowo wartość obserwacji
Bardziej szczegółowoEGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach
EGZAMIN MAGISTERSKI, 12.09.2018r Matematyka w ekonomii i ubezpieczeniach Zadanie 1. (8 punktów) O rozkªadzie pewnego ryzyka S wiemy,»e: E[(S 20) + ] = 8 E[S 10 < S 20] = 13 P (S 20) = 3 4 P (S 10) = 1
Bardziej szczegółowoCiągi 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 szczegółowoKLUCZ PUNKTOWANIA ODPOWIEDZI
Egzamin maturalny maj 009 MATEMATYKA POZIOM ROZSZERZONY KLUCZ PUNKTOWANIA ODPOWIEDZI Zadanie. a) Wiadomoci i rozumienie Matematyka poziom rozszerzony Wykorzystanie pojcia wartoci argumentu i wartoci funkcji.
Bardziej szczegółowoW naukach technicznych większość rozpatrywanych wielkości możemy zapisać w jednej z trzech postaci: skalara, wektora oraz tensora.
1. Podstawy matematyki 1.1. Geometria analityczna W naukach technicznych większość rozpatrywanych wielkości możemy zapisać w jednej z trzech postaci: skalara, wektora oraz tensora. Skalarem w fizyce nazywamy
Bardziej szczegółowoPojęcie funkcji. Funkcja liniowa
Pojęcie funkcji. Funkcja liniowa dr Mariusz Grzadziel Katedra Matematyki, Uniwersytet Przyrodniczy we Wrocławiu Wykład 2; rok akademicki 2016/2017 Zależności funkcyjne w naukach przyrodniczych Rozwój algebry
Bardziej szczegółowoGeometryczna zbieżność algorytmu Gibbsa
Geometryczna zbieżność algorytmu Gibbsa Iwona Żerda Wydział Matematyki i Informatyki, Uniwersytet Jagielloński 6 grudnia 2013 6 grudnia 2013 1 / 19 Plan prezentacji 1 Algorytm Gibbsa 2 Tempo zbieżności
Bardziej szczegółowo