Równania rekurencyjne na dziedzinach

Wielkość: px
Rozpocząć pokaz od strony:

Download "Równania rekurencyjne na dziedzinach"

Transkrypt

1 Marek Materzok Równana rekurencyjne na dzedznach Pommo, ż poczynłem starana, aby praca ta była możlwe kompletna wolna od błędów, ne mogę zagwarantować, że ne wkradły sę do nej żadne neścsłośc czy pomyłk. Czytać na własną odpowedzalność. 1. Wprowadzene Będzemy zajmować sę problemem znajdowana rozwązań rekurencyjnych równań na dzedznach. Interesować nas będą równana postac D = F (D). Motywującym przykładem jest zadane semantyk denotacyjnej dla beztypowego rachunku lambda. Każda funkcja w beztypowym rachunku lambda może być argumentem dla dowolnej nnej funkcj, wobec tego dzedzna, w której będzemy nterpretować wyrażena lambda, mus spełnać równane D = D D. 2. Funktory F -algebry W teor kategor standardowym narzędzem służącym rozwązywanu rekurencyjnych zależnośc jest pojęce F -algebry początkowej. Defncja 2.1. Nech F : K K będze endofunktorem nad kategorą K. F -algebrą nazywamy K-obekt A z morfzmem f : F (A) A. F -homomorfzmem z F -algebry A, f w F -algebrę B, g nazywamy K-morfzm h : A B tak, że h f = g F (h). Defncja 2.2. F -algebrę A, f nazywamy początkową, jeśl z każdej F -algebry B, g stneje w ną unkalny F -homomorfzm. Lemat 2.3. Jeśl A, f jest F -algebrą początkową, to f jest zomorfzmem. Dowód. Rozważmy F -algebrę F (A), F (f). Nech h : A > F (A) będze F -homomorfzmem. Z defncj F -homomorfzmu mamy h f = F (f) F (h) = F (f h). Poneważ (f h) f = f (h f) = f F (f h), f h jest F -automorfzmem, zatem f h = d A. Tym samym h f = F (f h) = F (d A ) = d F (A). Zatem h = f 1. Zatem jeśl znajdzemy kategorę, w której F będze funktorem, a A, f F -algebrą początkową, to rozwązanem równana D = F (D) jest A, natomast f jest zomorfzmem mędzy A F (A). Rozwązane równana jest węc z dokładnoścą do zomorfzmu. Rozpatrzmy kategorę CPO porządków zupełnych funkcj cągłych. Nestety, ta dość naturalna kategora ne jest odpowedna dla naszych celów. Aby to ukazać, przyjrzyjmy sę blżej bfunktorow. Defncja 2.4. Bfunktor : CPO CPO CPO jest konstruktorem przestrzen funkcj cągłych. Mając dane CPO-morfzmy - funkcje cągłe f : A B g : C D dzałane na nch jest następujące: (f g)(x) = g x f, f g : (B C) (A D). Zatem jest kontrawarantny względem perwszego argumentu kowarantny względem drugego. Potraktujmy F z naszego przykładu motywującego, F (D) = D D, jako defncję funktora w CPO. Zatem z 2.4 wynka, że dla CPO-morfzmu f : A B mamy F (f) = f f : (B A) (A B). Aby F było funktorem, mus zachodzć F (f) : F (A) F (B), czyl F (f) : (A A) (B B). Przyczyną problemu jest kontrawarantność względem perwszego argumentu. W zwązku z tym będzemy szukać kategor z podobnym do bfunktorem, który jednak będze kowarantny względem obu argumentów. 1

2 3. R-pary Defncja 3.1. Nech f : D E, g : E D będą CPO-morfzmam. Parę f, g : D E nazywamy r-parą. Dla r-par defnujemy operację złożena ( f 1, g 1 f 2, g 2 = f 1 f 2, g 2 g 1 ) oraz odwracana ( f, g op = g, f ). Będę czasem psać p L, p R na oznaczene składowych funkcj r-pary (p = p L, p R ). Wobec tego porządk zupełne z r-param jako morfzmam tworzą kategorę. Kategorę tę będzemy nazywać CPO R. Udowodnmy szereg przydatnych własnośc r-par kategor CPO R. Lemat 3.2. Nech p : B C, q : A B będą CPO R -morfzmam. 1. d A op = d A 2. (p q) op = q op p op 3. (p op ) op = p Dowód. Załóżmy, że p = f, g q = f, g. 1. d A op = d A, d A op = d A, d A = d A 2. (p q) op = ( f, g f, g ) op = f f, g g op = g g, f f = g, f g, f = q op p op 3. (p op ) op = ( f, g op ) op = g, f op = f, g = p Lemat 3.3. CPO R jest dentyczna z dualną kategorą CPO Rop. Dowód. Morfzmow p w CPO R odpowada morfzm p op w CPO Rop. Funktory nad CPO przenoszą sę łatwo na kategorę CPO R, dzałając po współrzędnych. W szczególnośc, dla dowolnego bfunktora : CPO CPO CPO stneje bfunktor R : CPO R CPO R CPO R dzałający na obektach tak samo, jak wyjścowy bfunktor, a na morfzmach zdefnowany następująco: f, g R f, g = f f, g g. Twerdzene 3.4. Zdefnowane powyżej przekształcene R jest bfunktorem oraz zachowuje warantność bfunktora względem obu argumentów. Dowód. Nech, j {0, 1} oznaczają ko- (0) lub kontrawarantność (1) bfunktora względem perwszego drugego argumentu. 1. Przekształcene R zachowuje morfzmy dentycznoścowe.. d A R d B = d A, d A R d B, d B = d A d B, d A d B = d A B, d A B = d A B = d A R B 2. Nech p = f, g : A 0 A 1 r = f, g : B 0 B 1 będą CPO R -morfzmam. Z założena o warantnośc mamy f f : A B j A 1 B 1 j. Zatem równeż g g : A 1 B 1 j A B j. Z defncj R mamy p R r = f f, g g, a zatem p R r : A R B j A 1 R B 1 j. 3. Nech p 0 = f 0, g 0 : B C p 1 = f 1, g 1 : A B r 0 = f 0, g 0 : B C r 1 = f 1, g 1 : A B będą CPO R -morfzmam. Z założena o warantnośc mamy (f 0 f 1 ) (f 0 f 1) = (f f j ) (f 1 f 1 j ) analogczną równość dla g. Wtedy (p 0 p 1 ) R (r 0 r 1 ) = ( f 0, g 0 f 1, g 1 ) R ( f 0, g 0 f 1, g 1 ) = f 0 f 1, g 1 f 0 R f 0 f 1, g 1 g 0 = (f 0 f 1 ) (f 0 f 1), (g 1 g 0 ) (g 1 g 0) = (f f j) (f 1 f 1 j), (g 1 g 1 j) (g g j) = f f j, g g j f 1 f 1 j, g 1 g 1 j = ( f, g R f j, g j ) ( f 1, g 1 R f 1 j, g 1 j ) = (p R r j ) (p 1 R r 1 j ) 2

3 Powyższy dowód można łatwo uogólnć do przypadku dowolnego n-arnego funktora. Mając te wszystke narzędza, zdefnujmy nowy bfunktor : CPO R CPO R CPO R. Nech na obektach A B = A B, zaś na morfzmach p r = p op R r. Twerdzene 3.5. Przekształcene jest bfunktorem kowarantnym względem obu argumentów. Dowód. Pokażę, że posada żądane własnośc. 1. Przekształcene zachowuje morfzmy dentycznoścowe. d X d Y = d X op R d Y = d X R d Y = d X R Y = d X Y 2. Nech p : A B, r : C D będą CPO R -morfzmam. Mamy p r = p op R r : (A C) (B D). 3. Zostało jeszcze pokazać, że mając dane dwa CPO R -morfzmy p : B C, r : A B, p : B C, r : A B mamy (p r) (p r ) = (p p ) (r r ). (p r) (p r ) = (p r) op R (p r ) = (r op p op ) R (p r ) = (p op R p ) (r op R r ) = (p p ) (r r ) Powyższą konstrukcję można uogólnć do dowolnego n-funktora kontrawarantnego F względem dowolnej lczby argumentów. Odpowadający mu n-funktor kowarantny w CPO R będzemy nazywać F R K. (Zatem = R K ). To rozwązuje nasze wcześnejsze problemy. Potraktujmy F (D) = D D jako defncję funktora w CPO R, podstawając za. Wtedy dla CPO R -morfzmu f : A B mamy F (f) = f f : (A A) (B B), co zgadza sę z defncją funktora. W ogólnośc, mając daną funkcję F zdefnowaną na obektach CPO przy pomocy funktorów nad CPO, można ndukcyjne pokazać, że można przyporządkować jej funktor G : CPO R CPO R, zamenając w defncj F użyce każdego funktora H na H R K. Dzałane funktora G na obektach jest dentyczne, jak funkcj F. 4. Pary projekcyjne Mamy już sposób, w jak z równana rekurencyjnego D = F (D) można uzyskać funktor F nad CPO R. Wcąż jednak ne jest jasne, jak szukać F -algebry początkowej, czyl rozwązana naszego równana na dzedznach. W tym celu odtworzymy znane pojęca porządku zupełnego funkcj cągłej. Defncja 4.1. Parą projekcyjną nazywać będzemy r-parę f, g : A B taką, że g f = d A oraz f g d B. Funkcję f będzemy nazywać włożenem, a funkcję g projekcją. Będzemy psać f, g : A B. Pary projekcyjne mają następującą bardzo stotną własność. Lemat 4.2. Nech f, g : A B będze parą projekcyjną. Wtedy zarówno f, jak g są strct. Jeśl f, g : A B, to f f wtw g g. Dowód. Mamy f( A ) (f g)( B ) B, zatem f jest strct. Podobne g( B ) (g f)( A ) = A, węc g równeż jest strct. Przy założenu, że f f mamy g = g f g g f g g. Podobne, zakładając, że g g, mamy f = f g f f g f f. Z drugej częśc powyższego lematu wynka, że każda projekcja posada unkalne włożene oraz że każde włożene posada unkalną projekcję. O parach projekcyjnych można myśleć, że zadają praporządek zupełny na porządkach zupełnych. Istnene pary projekcyjnej A B w pewnym sense oznacza, że w B można zapsać co najmnej te same wartośc, co w A. Lemat 4.3. Zachodzą następujące fakty: 1. d A : A A 3

4 2. Nech p : B C q : A B. Wtedy p q : A C. 3. Dla każdego porządku zupełnego A stneje dokładne jedna para projekcyjna! A : 1 A, gdze 1 jest porządkem jednoelementowym. Dowód. 1. Mamy d A = d A, d A, d A d A d A. 2. Mamy p q = p L q L, q R p R. Zatem q R p R p L q L = q R q L = d A oraz p L q L q R p R p L p R d C. 3. Przyjmjmy, że! A = const A, const 1. Mamy const 1 const A = d 1, poneważ d 1 jest jedyną funkcją z 1 w 1. Równeż (const A const 1 )(x A ) = A x A, co daje const A const 1 d A. Jedyność! A wynka z tego, że const A jest jedyną funkcją strct z 1 w A. Pary projekcyjne tworzą węc kategorę Proj, będącą podkategorą CPO R. Defncja 4.4. Funktor n-arny F nad CPO nazywamy lokalne monotoncznym, jeśl 1 n f f mplkuje F (f 1,..., f n ) F (f 1,..., f n) Lemat 4.5. Funktory projekcyjne, stałe oraz funktory +,, są lokalne monotonczne. Dowód. Netrudny mało stotny dla naszych rozważań. Lemat 4.6. Nech F : (CPO) n CPO będze funktorem lokalne monotoncznym. Wtedy F R k : Proj n Proj. Dowód. Dla uproszczena prezentacj przedstawę dowód dla funktora. Dowód ten można łatwo uogólnć. Nech p : A B, r : C D będą param projekcyjnym. Pokażę, że p r = p R r L, p L r R : (A C) (B D) też jest parą projekcyjną. Własność włożeń jest łatwa do pokazana. (p L r R ) (p R r L ) = (p R p L ) (r R r L ) = d A d C = d A C Wykazane własnośc projekcj wymaga zaś skorzystana z lokalnej monotoncznośc. (p R r L ) (p L r R ) = (p L p R ) (r L r R ) d B d D = d B D To wystarcza do pokazana, że nasza przykładowa funkcja na dzedznach F (D) = D D może być traktowana jako endofunktor nad kategorą par projekcyjnych Proj. Kontynuując analogę mędzy param projekcyjnym porządkam zupełnym, własność dzałana funktora na morfzmach można nterpretować jako własność monotoncznośc. 5. Kostożk, kogrance Odpowednkem pojęca ogranczena górnego jest pojęce kostożka. Defncja 5.1. Nech C będze kategorą, nech A będze pewnym zborem C-obektów, a F pewnym zborem C-morfzmów pomędzy obektam z A. Kostożkem będzemy nazywać C-obekt X oraz strzałk g A : A X (po jednej dla każdego obektu A z A) take, że dla każdej strzałk f : A B z F zachodz g A = g B f. Najmnejszemu ogranczenu górnemu odpowada zaś pojęce kograncy. Defncja 5.2. Nech A, F będą jak w defncj wyżej. Kostożek X, {g A } nazywamy kograncą, jeśl dla każdego nnego kostożka Y, {h A } stneje unkalny C-morfzm k : X Y tak, że dla każdego A z A zachodz k g A = h A. Zdefnujemy teraz odpowednk pojęca ω-łańcucha w teor kategor. Defncja 5.3. Nech C będze kategorą. Wtedy ω-łańcuchem będzemy nazywać cąg C-obektów A oraz C-morfzmów f : A A +1 ( N). 4

5 Ponżej będzemy sę zajmować kostożkam kograncam wyłączne w kategor par projekcyjnych Proj. Na początek wskażę prosty warunek koneczny wystarczający, aby dany kostożek był kograncą. Lemat 5.4. Nech {A }, {p } będze ω-łańcuchem. Nech X, {r } będze kostożkem takm, że rl rr = d X. Wtedy ów kostożek jest kograncą. Dowód. Nech Y, {s } będze dowolnym kostożkem. Zdefnujmy k = sl rr, rl s R : X Y. Pokażę, że k jest parą retrakcyjną. ( s R ) ( s L r R ) = s R s L r R = r R = d X ( s L r R ) ( s R ) = s L r R s R = s L s R d Y Pokazę teraz, że k spełna warunek k r = s. k r = s L s R, r R = s L j r R j, r R r L j s R j = s L j rj R rj L p L j 1... p L, p R... p R j 1 rj R rj L s R j = s L j p L j 1... p L, p R... p R j 1 s R j = s L, s R = s L, s R = s Zostało pokazać, że k jest unkalne. Nech l : X Y spełna warunek l r = s. l = l d X = l L, l R r R = l L r R l R = s L s R = k Zgodne z naszą analogą w tej kategor kogrance ω-łańcuchów zawsze stneją. Lemat 5.5. Nech {A }, {p } będze ω-łańcuchem. Wtedy stneje kostożek X, {r } spełnający warunek z poprzednego lematu. Dowód. Nech X = {x A : x = p R (x +1)} z porządkem po współrzędnych, (x) = x, (x) j = p L j 1 (rl (x) j 1) dla j >, r R (x) = x. Pokażę, że powyższe jest stożkem. Morfzmy r są oczywśce param projekcyjnym. Ponadto dla dowolnego mamy (p R rr +1 )(x) = pr (x +1) = x = r R (x), z lematu 4.2 można pokazać rl +1 pl =. Z jednej strony mamy r R d D, z drugej r L j (rr j (x)) j = r L j (x j) j = x j, z czego wynka, że rl r R = d X. Lemat 5.6. Nech {A }, {p } będze ω-łańcuchem, nech Y, {s } będze kograncą. Wtedy sl sr = d Y. Dowód. Z lematu powyżej stneje kogranca X, {r }, stneje węc też zomorfzm Φ : X Y. Tym samym mamy sl sr = ΦL r R Φ R = Φ L ( rl r R ) ΦR = Φ L Φ R = d Y. Tym samym pokazalśmy, że na kategorę Proj można patrzeć jak na praporządek zupełny. Kategora, w której zamast porządków zupełnych obektam byłyby klasy abstrakcj porządków zupełnych względem zomorfzmu, spełnałaby wszystke warunk byca porządkem zupełnym, byłaby węc w pewnym sense porządkem zupełnym porządków zupełnych. 6. Cągłość Funktorem cągłym będzemy nazywać funktor zachowujący kogrance ω-łańcuchów. 5

6 Defncja 6.1. Nech F : A 1... A n B będze funktorem. Funktor F nazywamy cągłym, jeśl dla dowolnych kogranc X, {g A } ( {1,..., n}) F (X 1,..., X n ), {F (g 1A1,..., g nan )} równeż jest kograncą. Defncja 6.2. Funktor n-arny F nad CPO nazywamy lokalne cągłym, jeśl dla dowolnych cągów rosnących funkcj cągłych fl (1 n) cąg F (fl 1,..., f l n ) jest cągem rosnącym funkcj cągłych, którego kresem górnym jest F ( l f l 1,..., l f l n). Fakt 6.3. Funktory projekcyjne, stałe oraz funktory +,, są lokalne cągłe. Lemat 6.4. Nech F będze lokalne cągłym n-funktorem. Wtedy funktor F R K jest cągły. Dowód. Dowód przeprowadzę na przykładze funktora. Nech X, {r } oraz Y, {s } będą kograncam pewnego ω-łańcucha. (r s ) L (r s ) R = = (r op R s ) L (r op R s ) R = ( r R ) (s L s R ) = ( (r R s L ) ( s R ) r R ) ( s L s R ) = d X d Y = d X Y Z lematu 5.4 kostożek X Y, {r s } jest kograncą. Fakt 6.5. Złożene funktorów cągłych jest cągłe. Z powyższych faktów wynka mędzy nnym, że nasza przykładowa funkcja na dzedznach F (D) = D D traktowana jako funktor nad Proj jest cągła. 7. Istnene F -algebry początkowej Można teraz już sformułować twerdzene będące odpowednkem twerdzena o punkce stałym. Twerdzene 7.1. Nech F : Proj Proj będze funktorem cągłym. Wtedy stneje F -algebra F x F, η F, gdze f : F (F x F ) F x F jest zomorfzmem. Dowód. Nech A 0 = 1, A +1 = F (A ), p 0 =,! F (1), p +1 = F (p ), {A }, {p } jest ω-łańcuchem. Z lematu 5.5 stneje jego kogranca F x F, {ρ }. Poneważ F cągły, F (F x F ), {F (ρ )} jest kograncą ω-łańcucha {A +1 }, {p +1 }. Tym samym jest też kograncą {A }, {p }. W zwązku z tym stneje zomorfzm η F : F (F x F ) F x F. Twerdzene 7.2. F -algebra z twerdzena 7.1 jest początkowa. Dowód. Nech X, α będze F -algebrą. Wskażę homomorfzm h : F x F X. Nech ρ : A X będą zdefnowane następująco: ρ 0 =, ρ +1 = α F (ρ ). Dla każdego zachodz ρ = ρ +1 p, dowód przez ndukcję: ρ 1 p 0 = ρ 1 = = ρ 0, ρ +2 p +1 = α F (ρ +1 ) F (p ) = α F (ρ +1 p ) = α F (ρ ) = ρ +1. W zwązku z tym X, {ρ } jest kostożkem, a zatem stneje dokładne jedno h : F x F X take, że dla każdego zachodz ρ = h ρ. Pokażę, że h jest homomorfzmem, to znaczy, że h η F = α F (h). W tym celu pokażę, że h η F α F (h) oba są medatoram pomędzy kograncą F (F x F ), {F (ρ )} kostożkem X, {ρ +1 }. Aby pokazać, że h η F jest medatorem dla F (F x F ) X, wystarczy skorzystać z faktu, że η F jest medatorem dla F (F x F ) F x F, a h medatorem dla F x F X. Pokazane, że α F (h) równeż ne jest kłopotlwe. Poneważ h ρ 0 = h ρ +1 = h η F F (ρ ) = α F (h) F (ρ ) = α F (h ρ ), h ρ jest jednoznaczne określone. Poneważ h L = h L d F xf = h L ρl ρr = (hl ρ L ) ρr, równeż samo h jest jednoznaczne określone. 6

7 8. Podsumowane Przy tworzenu tego opracowana operałem sę na rozdzałach 4 5 ksążk [1] Plotkna na temat dzedzn, rozdzale 3.4 ksążk [2] Perce a na temat teor kategor, rozdzale 11 ksążk [4] Schmdta na temat semantyk denotacyjnej oraz pracy [3] Wagnera o rozwązywanu równań rekurencyjnych na dzedznach. Powstawało ono w marę, jak czytałem dowody przedstawonego twerdzena, jako pomoc w ch zrozumenu. W zwązku z tym newykluczone są pewne neścsłośc błędy. Lteratura [1] Gordon Plotkn, Domans. Unversty of Ednburgh, [2] Benjamn C. Perce, Basc Category Theory for Computer Scentsts. The MIT Press, Cambrdge, Massachusetts, [3] Km R. Wagner, Solvng Recursve Doman Equatons wth Enrched Categores. Carnege Mellon Unversty, Pttsburgh, [4] Davd A. Schmdt, Denotatonal Semantcs. A methodology for language development. Kansas State Unversty, Manhattan,

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim 5. Pocodna funkcj Defncja 5.1 Nec f: (a, b) R nec c (a, b). Jeśl stneje granca lm x c x c to nazywamy ją pocodną funkcj f w punkce c oznaczamy symbolem f (c) Twerdzene 5.1 Jeśl funkcja f: (a, b) R ma pocodną

Bardziej szczegółowo

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni. Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :

Bardziej szczegółowo

ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO

ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO NA PODSTAWIE REFERATU JUSTYNY KOSAKOWSKIEJ. Moduły prnjektywne posety skończonego typu prnjektywnego Nech I będze skończonym posetem. Przez max

Bardziej szczegółowo

p Z(G). (G : Z({x i })),

p Z(G). (G : Z({x i })), 3. Wykład 3: p-grupy twerdzena Sylowa. Defncja 3.1. Nech (G, ) będze grupą. Grupę G nazywamy p-grupą, jeżel G = dla pewnej lczby perwszej p oraz k N. Twerdzene 3.1. Nech (G, ) będze p-grupą. Wówczas W

Bardziej szczegółowo

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem Zestaw zadań : Przestrzene wektorowe. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar : C C C, (z, v) z v := z v jest przestrzeną lnową nad całem lczb zespolonych

Bardziej szczegółowo

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,

Bardziej szczegółowo

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5 MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:

Bardziej szczegółowo

Diagonalizacja macierzy kwadratowej

Diagonalizacja macierzy kwadratowej Dagonalzacja macerzy kwadratowej Dana jest macerz A nân. Jej wartośc własne wektory własne spełnają równane Ax x dla,..., n Każde z równań własnych osobno można zapsać w postac: a a an x x a a an x x an

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x

Bardziej szczegółowo

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że Twerdzene Bezouta lczby zespolone Javer de Lucas Ćwczene 1 Ustal dla których a, b R można podzelć f 1 X) = X 4 3X 2 + ax b przez f 2 X) = X 2 3X+2 Oblcz a b Z 5 jeżel zak ladamy, że f 1 f 2 s a welomanam

Bardziej szczegółowo

I. Elementy analizy matematycznej

I. Elementy analizy matematycznej WSTAWKA MATEMATYCZNA I. Elementy analzy matematycznej Pochodna funkcj f(x) Pochodna funkcj podaje nam prędkość zman funkcj: df f (x + x) f (x) f '(x) = = lm x 0 (1) dx x Pochodna funkcj podaje nam zarazem

Bardziej szczegółowo

Programowanie Równoległe i Rozproszone

Programowanie Równoległe i Rozproszone Programowane Równoległe Rozproszone Wykład Programowane Równoległe Rozproszone Lucjan Stapp Wydzał Matematyk Nauk Informacyjnych Poltechnka Warszawska (l.stapp@mn.pw.edu.pl) /38 PRR Wykład Chcemy rozwązać

Bardziej szczegółowo

Modelowanie przepływu cieczy przez ośrodki porowate Wykład IX

Modelowanie przepływu cieczy przez ośrodki porowate Wykład IX Modelowane przepływu ceczy przez ośrodk porowate Wykład IX Metody rozwązywana metodam analtycznym równań hydrodynamk wód podzemnych płaskch zagadneń fltracj. 9.1 Funkcja potencjału zespolonego. Rozważana

Bardziej szczegółowo

Zadanie 1. Udowodnij, że CAUS PRAM. Załóżmy przetwarzanie przyczynowo spójne. Dla każdego obrazu historii hv i zachodzi zatem:

Zadanie 1. Udowodnij, że CAUS PRAM. Załóżmy przetwarzanie przyczynowo spójne. Dla każdego obrazu historii hv i zachodzi zatem: Zadane 1 Udowodnj, że CAUS PRAM Załóżmy przetwarzane przyczynowo spójne. Dla każdego obrazu hstor hv zachodz zatem: O OW O OW x X p j o O o1 o2 o1 o2 o1 j o2 ( o1 = w( x) v o2 = r( x) v) o1 o2 ( o1 o o2)

Bardziej szczegółowo

RUCH OBROTOWY Można opisać ruch obrotowy ze stałym przyspieszeniem ε poprzez analogię do ruchu postępowego jednostajnie zmiennego.

RUCH OBROTOWY Można opisać ruch obrotowy ze stałym przyspieszeniem ε poprzez analogię do ruchu postępowego jednostajnie zmiennego. RUCH OBROTOWY Można opsać ruch obrotowy ze stałym przyspeszenem ε poprzez analogę do ruchu postępowego jednostajne zmennego. Ruch postępowy a const. v v at s s v t at Ruch obrotowy const. t t t Dla ruchu

Bardziej szczegółowo

1 Przestrzenie statystyczne, statystyki

1 Przestrzenie statystyczne, statystyki M. Beśka, Statystyka matematyczna, wykład 1 1 1 Przestrzene statystyczne, statystyk 1.1 Rozkłady zmennych losowych Nech Ω, F, P ) będze ustaloną przestrzeną probablstyczną, a X : Ω IR zmenną losową na

Bardziej szczegółowo

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB Rozwązywane zadań optymalzacj w środowsku programu MATLAB Zagadnene optymalzacj polega na znajdowanu najlepszego, względem ustalonego kryterum, rozwązana należącego do zboru rozwązań dopuszczalnych. Standardowe

Bardziej szczegółowo

Egzamin poprawkowy z Analizy II 11 września 2013

Egzamin poprawkowy z Analizy II 11 września 2013 Egzamn poprawkowy z nalzy II 11 wrześna 13 Uwag organzacyjne: każde zadane rozwązujemy na osobnej kartce Każde zadane należy podpsać menem nazwskem własnym oraz prowadzącego ćwczena Na wszelk wypadek prosmy

Bardziej szczegółowo

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH Krs na Stdach Doktoranckch Poltechnk Wrocławskej wersja: lty 007 34 V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH. Zbór np. lczb rzeczywstych a, b elementy zbor A a A b A, podzbór B zbor A : B A, sma zborów

Bardziej szczegółowo

Logika i teoria mnogości/wykład 1: Po co nam teoria mnogości? Naiwna teoria mnogości, naiwna indukcja, naiwne dowody niewprost

Logika i teoria mnogości/wykład 1: Po co nam teoria mnogości? Naiwna teoria mnogości, naiwna indukcja, naiwne dowody niewprost 1 z 8 2013-03-23 18:23 Logka teora mnogośc/wykład 1: Po co nam teora mnogośc? Nawna teora mnogośc, nawna ndukcja, nawne dowody newprost From Studa Informatyczne < Logka teora mnogośc "Nawna" teora mnogośc

Bardziej szczegółowo

Podstawowe twierdzenia

Podstawowe twierdzenia Rozdzał 3 Podstawowe twerdzena 3.1 Istnene rozwazań lokalnych Rozpocznjmy od odpowedz na ogólne pytane: jake warunk mus spełnać równane różnczkowe zwyczajne, aby stnało jego rozwązane kedy rozwązane to

Bardziej szczegółowo

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej

Bardziej szczegółowo

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311 Sztuczne sec neuronowe Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyk, p. 311 Wykład 6 PLAN: - Repetto (brevs) - Sec neuronowe z radalnym funkcjam bazowym Repetto W aspekce archtektury: zajmowalśmy

Bardziej szczegółowo

Kwantowa natura promieniowania elektromagnetycznego

Kwantowa natura promieniowania elektromagnetycznego Efekt Comptona. Kwantowa natura promenowana elektromagnetycznego Zadane 1. Foton jest rozpraszany na swobodnym elektrone. Wyznaczyć zmanę długośc fal fotonu w wynku rozproszena. Poneważ układ foton swobodny

Bardziej szczegółowo

Odtworzenie wywodu metodą wstępującą (bottom up)

Odtworzenie wywodu metodą wstępującą (bottom up) Przeglądane wejśca od lewej strony do prawej L (k) Odtwarzane wywodu prawostronnego Wystarcza znajomosc "k" następnych symbol łańcucha wejścowego hstor dotychczasowych redukcj, aby wyznaczyc jednoznaczne

Bardziej szczegółowo

Laboratorium ochrony danych

Laboratorium ochrony danych Laboratorum ochrony danych Ćwczene nr Temat ćwczena: Cała skończone rozszerzone Cel dydaktyczny: Opanowane programowej metody konstruowana cał skończonych rozszerzonych GF(pm), poznane ch własnośc oraz

Bardziej szczegółowo

5. OPTYMALIZACJA GRAFOWO-SIECIOWA

5. OPTYMALIZACJA GRAFOWO-SIECIOWA . OPTYMALIZACJA GRAFOWO-SIECIOWA Defncja grafu Pod pojęcem grafu G rozumemy następującą dwójkę uporządkowaną (defncja grafu Berge a): (.) G W,U gdze: W zbór werzchołków grafu, U zbór łuków grafu, U W W,

Bardziej szczegółowo

5. Maszyna Turinga. q 1 Q. Konfiguracja: (q,α β) q stan αβ niepusta część taśmy wskazanie położenia głowicy

5. Maszyna Turinga. q 1 Q. Konfiguracja: (q,α β) q stan αβ niepusta część taśmy wskazanie położenia głowicy 5. Maszyna Turnga = T Q skończony zór stanów q 0 stan początkowy F zór stanów końcowych Γ skończony zór symol taśmy T Γ alfaet wejścowy T Γ symol pusty (lank) δ: Q Γ! 2 Q Γ {L,R} funkcja

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 . Zmenne dyskretne Kontrasty: efekty progowe, kontrasty w odchylenach Interakcje. Przyblżane model nelnowych Stosowane do zmennych dyskretnych o uporządkowanych

Bardziej szczegółowo

Wykład 1 Zagadnienie brzegowe liniowej teorii sprężystości. Metody rozwiązywania, metody wytrzymałości materiałów. Zestawienie wzorów i określeń.

Wykład 1 Zagadnienie brzegowe liniowej teorii sprężystości. Metody rozwiązywania, metody wytrzymałości materiałów. Zestawienie wzorów i określeń. Wykład Zagadnene brzegowe lnowe teor sprężystośc. Metody rozwązywana, metody wytrzymałośc materałów. Zestawene wzorów określeń. Układ współrzędnych Kartezańsk, prostokątny. Ose x y z oznaczono odpowedno

Bardziej szczegółowo

Wykład Turbina parowa kondensacyjna

Wykład Turbina parowa kondensacyjna Wykład 9 Maszyny ceplne turbna parowa Entropa Równane Claususa-Clapeyrona granca równowag az Dośwadczena W. Domnk Wydzał Fzyk UW ermodynamka 08/09 /5 urbna parowa kondensacyjna W. Domnk Wydzał Fzyk UW

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne XXX OLIMPIADA FIZYCZNA ETAP III Zadane dośwadczalne ZADANIE D Nazwa zadana: Maszyna analogowa. Dane są:. doda półprzewodnkowa (krzemowa) 2. opornk dekadowy (- 5 Ω ), 3. woltomerz cyfrowy, 4. źródło napęca

Bardziej szczegółowo

2012-10-11. Definicje ogólne

2012-10-11. Definicje ogólne 0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj

Bardziej szczegółowo

Optymalizacja belki wspornikowej

Optymalizacja belki wspornikowej Leszek MIKULSKI Katedra Podstaw Mechank Ośrodków Cągłych, Instytut Mechank Budowl, Poltechnka Krakowska e mal: ps@pk.edu.pl Optymalzacja belk wspornkowej 1. Wprowadzene RozwaŜamy zadane optymalnego kształtowana

Bardziej szczegółowo

Prawdopodobieństwo geometryczne

Prawdopodobieństwo geometryczne Prawdopodobeństwo geometryczne Przykład: Przestrzeń zdarzeń elementarnych określona jest przez zestaw punktów (x, y) na płaszczyźne wypełna wnętrze kwadratu [0 x ; 0 y ]. Znajdź p-stwo, że dowolny punkt

Bardziej szczegółowo

Przykład 5.1. Kratownica dwukrotnie statycznie niewyznaczalna

Przykład 5.1. Kratownica dwukrotnie statycznie niewyznaczalna rzykład.. Kratownca dwukrotne statyczne newyznaczana oecene: korzystaąc z metody sł wyznaczyć sły w prętach ponższe kratowncy. const Rozwązane zadana rozpoczynamy od obczena stopna statyczne newyznaczanośc

Bardziej szczegółowo

4. OPTYMALIZACJA WIELOKRYTERIALNA

4. OPTYMALIZACJA WIELOKRYTERIALNA Wybrane zagadnena badań operacyjnych dr nż. Zbgnew Tarapata Wykład nr 4: Optymalzacja welokryteralna 4. OPTYMLIZCJ WIELORYTERIL Decyzje nwestycyjne mają często charakter złożony. Zdarza sę, że przy wyborze

Bardziej szczegółowo

ELEKTROCHEMIA. ( i = i ) Wykład II b. Nadnapięcie Równanie Buttlera-Volmera Równania Tafela. Wykład II. Równowaga dynamiczna i prąd wymiany

ELEKTROCHEMIA. ( i = i ) Wykład II b. Nadnapięcie Równanie Buttlera-Volmera Równania Tafela. Wykład II. Równowaga dynamiczna i prąd wymiany Wykład II ELEKTROCHEMIA Wykład II b Nadnapęce Równane Buttlera-Volmera Równana Tafela Równowaga dynamczna prąd wymany Jeśl układ jest rozwarty przez elektrolzer ne płyne prąd, to ne oznacza wcale, że na

Bardziej szczegółowo

AGREGACJA SĄDÓW A AGREGACJA PREFERENCJI

AGREGACJA SĄDÓW A AGREGACJA PREFERENCJI DECYZJE nr 16 grudzeń 2011 AGREGACJA SĄDÓW A AGREGACJA PREFERENCJI Joanna Ochremak Polska Akadema Nauk Streszczene: Artykuł stanow wprowadzene do teor agregacj sądów oraz porusza temat jej zwązków z teorą

Bardziej szczegółowo

Ile wynosi suma miar kątów wewnętrznych w pięciokącie?

Ile wynosi suma miar kątów wewnętrznych w pięciokącie? 1 Ile wynos suma mar kątów wewnętrznych w pęcokące? 1 Narysuj pęcokąt foremny 2 Połącz środek okręgu opsanego na tym pęcokące ze wszystkm werzchołkam pęcokąta 3 Oblcz kąty każdego z otrzymanych trójkątów

Bardziej szczegółowo

Problem synchronizacji interwałowej w miejskiej komunikacji publicznej

Problem synchronizacji interwałowej w miejskiej komunikacji publicznej na prawach rękopsu Instytut Organzacj Zarządzana Poltechnka Wrocławska Raport ser PRE nr 7 Problem synchronzacj nterwałowej w mejskej komunkacj publcznej (rozprawa doktorska) Rafał Sroka Promotor: prof.

Bardziej szczegółowo

ZASADA ZACHOWANIA MOMENTU PĘDU: PODSTAWY DYNAMIKI BRYŁY SZTYWNEJ

ZASADA ZACHOWANIA MOMENTU PĘDU: PODSTAWY DYNAMIKI BRYŁY SZTYWNEJ ZASADA ZACHOWANIA MOMENTU PĘDU: PODSTAWY DYNAMIKI BYŁY SZTYWNEJ 1. Welkośc w uchu obotowym. Moment pędu moment sły 3. Zasada zachowana momentu pędu 4. uch obotowy były sztywnej względem ustalonej os -II

Bardziej szczegółowo

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA Problemy jednoczesnego testowana welu hpotez statystycznych ch zastosowana w analze mkromacerzy DNA Konrad Furmańczyk Katedra Zastosowań Matematyk SGGW Plan referatu Testowane w analze mkromacerzy DNA

Bardziej szczegółowo

Diagnostyka układów kombinacyjnych

Diagnostyka układów kombinacyjnych Dagnostyka układów kombnacyjnych 1. Wprowadzene Dagnostyka obejmuje: stwerdzene stanu układu, systemu lub ogólne sec logcznej. Jest to tzw. kontrola stanu wykrywająca czy dzałane sec ne jest zakłócane

Bardziej szczegółowo

Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2007/08 Podstawowe fakty Równane Ax = b, x, b R N, A R N N (1) ma jednoznaczne

Bardziej szczegółowo

Triopol jako gra konkurencyjna i kooperacyjna

Triopol jako gra konkurencyjna i kooperacyjna Unwersytet Warszawsk Wydzał Nauk Ekonomcznych Joanna Dys Nr albumu: 996 Tropol jako gra konkurencyjna kooperacyjna Praca lcencjacka na kerunku: Ekonoma Praca wykonana pod kerunkem dra Maceja Sobolewskego

Bardziej szczegółowo

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4. Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można

Bardziej szczegółowo

System BCD z κ. Adam Slaski na podstawie wykładów, notatek i uwag Pawła Urzyczyna. Semestr letni 2009/10

System BCD z κ. Adam Slaski na podstawie wykładów, notatek i uwag Pawła Urzyczyna. Semestr letni 2009/10 System BCD z κ Adam Slaski na podstawie wykładów, notatek i uwag Pawła Urzyczyna Semestr letni 2009/10 Rozważamy system BCD ze stałą typową κ i aksjomatami ω κ κ i κ ω κ. W pierwszej części tej notatki

Bardziej szczegółowo

mgr inż. Wojciech Artichowicz MODELOWANIE PRZEPŁYWU USTALONEGO NIEJEDNOSTAJNEGO W KANAŁACH OTWARTYCH

mgr inż. Wojciech Artichowicz MODELOWANIE PRZEPŁYWU USTALONEGO NIEJEDNOSTAJNEGO W KANAŁACH OTWARTYCH Poltechnka Gdańska Wydzał Inżyner Lądowej Środowska Katedra ydrotechnk mgr nż. Wojcech Artchowcz MODELOWANIE PRZEPŁYWU USTALONEGO NIEJEDNOSTAJNEGO W KANAŁAC OTWARTYC PRACA DOKTORSKA Promotor: prof. dr

Bardziej szczegółowo

Wstęp do metod numerycznych Faktoryzacja SVD Metody iteracyjne. P. F. Góra

Wstęp do metod numerycznych Faktoryzacja SVD Metody iteracyjne. P. F. Góra Wstęp do metod numerycznych Faktoryzacja SVD Metody teracyjne P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ 2013 Sngular Value Decomposton Twerdzene 1. Dla każdej macerzy A R M N, M N, stneje rozkład

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

Notatki do wykładu Geometria Różniczkowa I

Notatki do wykładu Geometria Różniczkowa I Notatk do wykładu Geometra Różnczkowa I Katarzyna Grabowska, KMMF 14 grudna 2013 1 Całkowane form różnczkowych 1.1 Twerdzene Stokes a W dalszym cągu E oznaczać będze półprzestrzeń w R n, tzn. zbór E =

Bardziej szczegółowo

MECHANIKA 2 MOMENT BEZWŁADNOŚCI. Wykład Nr 10. Prowadzący: dr Krzysztof Polko

MECHANIKA 2 MOMENT BEZWŁADNOŚCI. Wykład Nr 10. Prowadzący: dr Krzysztof Polko MECHANIKA Wykład Nr 10 MOMENT BEZWŁADNOŚCI Prowadzący: dr Krzysztof Polko Defncja momentu bezwładnośc Momentem bezwładnośc punktu materalnego względem płaszczyzny, os lub beguna nazywamy loczyn masy punktu

Bardziej szczegółowo

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np. Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas

Bardziej szczegółowo

Metody Numeryczne 2017/2018

Metody Numeryczne 2017/2018 Metody Numeryczne 7/8 Inormatya Stosowana II ro Inżynera Oblczenowa II ro Wyład 7 Równana nelnowe Problemy z analtycznym rozwązanem równań typu: cos ln 3 lub uładów równań ja na przyład: y yz. 3z y y.

Bardziej szczegółowo

Wykład Mikroskopowa interpretacja ciepła i pracy Entropia

Wykład Mikroskopowa interpretacja ciepła i pracy Entropia Wykład 7 5.13 Mkroskopowa nterpretacja cepła pracy. 5.14 Entropa 5.15 Funkcja rozdzału 6 II zasada termodynamk 6.1 Sformułowane Claususa oraz Kelvna-Plancka II zasady termodynamk 6.2 Procesy odwracalne

Bardziej szczegółowo

Symetrie i struktury ciała stałego - W. Sikora

Symetrie i struktury ciała stałego - W. Sikora Symetre struktury cała stałego - W. Skora ( W wykładach zostały wykorzystane fragmenty materałów opracowanych w ramach praktyk wakacyjnej przez studentk specjalnośc Fzyka Cała Stałego WFIS: Sylwę Chudy,

Bardziej szczegółowo

Proste modele ze złożonym zachowaniem czyli o chaosie

Proste modele ze złożonym zachowaniem czyli o chaosie Proste modele ze złożonym zachowanem czyl o chaose 29 kwetna 2014 Komputer jest narzędzem coraz częścej stosowanym przez naukowców do ukazywana skrzętne ukrywanych przez naturę tajemnc. Symulacja, obok

Bardziej szczegółowo

Część 1 7. TWIERDZENIA O WZAJEMNOŚCI 1 7. TWIERDZENIA O WZAJEMNOŚCI Twierdzenie Bettiego (o wzajemności prac)

Część 1 7. TWIERDZENIA O WZAJEMNOŚCI 1 7. TWIERDZENIA O WZAJEMNOŚCI Twierdzenie Bettiego (o wzajemności prac) Część 1 7. TWIERDZENIA O WZAJEMNOŚCI 1 7. 7. TWIERDZENIA O WZAJEMNOŚCI 7.1. Twerdzene Bettego (o wzajemnośc prac) Nech na dowolny uład ramowy statyczne wyznaczalny lub newyznaczalny, ale o nepodatnych

Bardziej szczegółowo

CAŁKOWANIE NUMERYCZNE całki pojedyncze

CAŁKOWANIE NUMERYCZNE całki pojedyncze CAŁKOWANIE NUMERYCZNE całk pojedyncze Kwadratury nterpolacyjne Kwadratury nterpolacyjne Rozpatrujemy funkcję f() cągłą ogranczoną w przedzale domknętym [a, b]. Przedzał [a, b] dzelmy na skończoną lczbę

Bardziej szczegółowo

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.

Bardziej szczegółowo

5. CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE

5. CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE 5. CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE Oprócz transmtancj operatorowej, do opsu członów układów automatyk stosuje sę tzw. transmtancję wdmową. Transmtancję wdmową G(j wyznaczyć moŝna dzęk podstawenu do wzoru

Bardziej szczegółowo

Wykład IX Optymalizacja i minimalizacja funkcji

Wykład IX Optymalizacja i minimalizacja funkcji Wykład IX Optymalzacja mnmalzacja funkcj Postawene zadana podstawowe dee jego rozwązana Proste metody mnmalzacj Metody teracj z wykorzystanem perwszej pochodnej Metody teracj z wykorzystanem drugej pochodnej

Bardziej szczegółowo

(M2) Dynamika 1. ŚRODEK MASY. T. Środek ciężkości i środek masy

(M2) Dynamika 1. ŚRODEK MASY. T. Środek ciężkości i środek masy (MD) MECHANIKA - Dynamka T. Środek cężkośc środek masy (M) Dynamka T: Środek cężkośc środek masy robert.szczotka(at)gmal.com Fzyka astronoma, Lceum 01/014 1 (MD) MECHANIKA - Dynamka T. Środek cężkośc środek

Bardziej szczegółowo

Tajemnice funkcji σ oraz τ. Dzielniki liczb naturalnych oraz elementy zaawansowanej teorii liczb.

Tajemnice funkcji σ oraz τ. Dzielniki liczb naturalnych oraz elementy zaawansowanej teorii liczb. Tajemnce funkcj σ oraz τ. Dzelnk lczb naturalnych oraz elementy zaawansowanej teor lczb. Bartłomej Grochal V Lceum Ogólnokształcące m. Augusta Wtkowskego w Krakowe Przedmowa Teora lczb oraz nerównośc to

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

Statystyka Inżynierska

Statystyka Inżynierska Statystyka Inżynerska dr hab. nż. Jacek Tarasuk AGH, WFIS 013 Wykład DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE Zmenna losowa, Funkcja rozkładu, Funkcja gęstośc, Dystrybuanta, Charakterystyk zmennej, Funkcje

Bardziej szczegółowo

Treść zadań 1 8 odnosi się do poniższego diagramu przestrzenno-czasowego.

Treść zadań 1 8 odnosi się do poniższego diagramu przestrzenno-czasowego. Treść zadań 8 odnos sę do ponższego dagramu przestrzenno-czasowego. P e e e e e e P e P P e e e e. Jaka będze wartość zmennej clock (zegara skalarnego) po zajścu zdarzena e w procese P zakładając że wartość

Bardziej szczegółowo

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie. Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane

Bardziej szczegółowo

Wykład 15 Elektrostatyka

Wykład 15 Elektrostatyka Wykład 5 Elektostatyka Obecne wadome są cztey fundamentalne oddzaływana: slne, elektomagnetyczne, słabe gawtacyjne. Slne słabe oddzaływana odgywają decydującą ole w budowe jąde atomowych cząstek elementanych.

Bardziej szczegółowo

XLI OLIMPIADA FIZYCZNA ETAP WSTĘPNY Zadanie teoretyczne

XLI OLIMPIADA FIZYCZNA ETAP WSTĘPNY Zadanie teoretyczne XLI OLIMPIADA FIZYCZNA ETAP WSTĘPNY Zadane teoretyczne Rozwąż dowolne rzez sebe wybrane dwa sośród odanych nże zadań: ZADANIE T Nazwa zadana: Protony antyrotony A. Cząstk o mase równe mase rotonu, ale

Bardziej szczegółowo

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są

Bardziej szczegółowo

Uzupełnienia dotyczące zbiorów uporządkowanych (3 lutego 2011).

Uzupełnienia dotyczące zbiorów uporządkowanych (3 lutego 2011). Uzupełnienia dotyczące zbiorów uporządkowanych (3 lutego 2011). Poprzedniczka tej notatki zawierała błędy! Ta pewnie zresztą też ; ). Ćwiczenie 3 zostało zmienione, bo żądałem, byście dowodzili czegoś,

Bardziej szczegółowo

Przykład 4.1. Belka dwukrotnie statycznie niewyznaczalna o stałej sztywności zginania

Przykład 4.1. Belka dwukrotnie statycznie niewyznaczalna o stałej sztywności zginania Przykład.. Beka dwukrotne statyczne newyznaczana o stałej sztywnośc zgnana Poecene: korzystając z metody sł sporządzć wykresy sł przekrojowych da ponŝszej bek. Wyznaczyć ugęce oraz wzgędną zmanę kąta w

Bardziej szczegółowo

Parametry zmiennej losowej

Parametry zmiennej losowej Eonometra Ćwczena Powtórzene wadomośc ze statysty SS EK Defncja Zmenną losową X nazywamy funcję odwzorowującą przestrzeń zdarzeń elementarnych w zbór lczb rzeczywstych, taą że przecwobraz dowolnego zboru

Bardziej szczegółowo

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer Statystyka Opsowa 2014 część 2 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,

Bardziej szczegółowo

Procedura normalizacji

Procedura normalizacji Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny

Bardziej szczegółowo

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału 5 CML Catal Market Lne, ynkowa Lna Katału Zbór ortolo o nalny odchylenu standardowy zbór eektywny ozważy ortolo złożone ze wszystkch aktywów stnejących na rynku Załóży, że jest ch N A * P H P Q P 3 * B

Bardziej szczegółowo

0.1 Renty. 0.2 Wkłady oszczędnościowe Wkłady proste

0.1 Renty. 0.2 Wkłady oszczędnościowe Wkłady proste 0 Renty W kolejnych rozdzałach zajmemy sę cągam płatnośc dokonywanych w równych odstępach czasu, zwanym rentam annuty Rentę annuty defnujemy jako cąg płatnośc dokonywanych w równych odstępach czasu Przykładam

Bardziej szczegółowo

Funkcje i charakterystyki zmiennych losowych

Funkcje i charakterystyki zmiennych losowych Funkcje charakterystyk zmennych losowych Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Funkcje zmennych losowych

Bardziej szczegółowo

ZASTOSOWANIE KLASYCZNEGO ALGORYTMU GENETYCZNEGO DO ROZWIĄZANIA ZBILANSOWANEGO ZAGADNIENIA TRANSPORTOWEGO

ZASTOSOWANIE KLASYCZNEGO ALGORYTMU GENETYCZNEGO DO ROZWIĄZANIA ZBILANSOWANEGO ZAGADNIENIA TRANSPORTOWEGO Studa Materały. Mscellanea Oeconomcae Rok 6, Nr 2/22 Wydzał Zarządzana Admnstrac Unwersytetu Jana Kochanowskego w Kelcach Z a r z ą d z a n e f n a n s e Rafał Prońko ZASTOSOWANIE KLASYCZNEGO ALGORYTMU

Bardziej szczegółowo

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4 Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =

Bardziej szczegółowo

AERODYNAMICS I WYKŁAD 6 AERODYNAMIKA SKRZYDŁA O SKOŃCZONEJ ROZPIĘTOŚCI PODSTAWY TEORII LINII NOŚNEJ

AERODYNAMICS I WYKŁAD 6 AERODYNAMIKA SKRZYDŁA O SKOŃCZONEJ ROZPIĘTOŚCI PODSTAWY TEORII LINII NOŚNEJ WYKŁAD 6 AERODYNAMIKA SKRZYDŁA O SKOŃCZONEJ ROZPIĘTOŚCI PODSTAWY TEORII INII NOŚNEJ Prawo Bota-Savarta Pole prędkośc ndukowanej przez lnę (nć) wrową o cyrkulacj może być wyznaczone przy użycu formuły Bota-Savarta

Bardziej szczegółowo

Różniczkowalność, pochodne, ekstremum funkcji. x 2 1 x x 2 k

Różniczkowalność, pochodne, ekstremum funkcji. x 2 1 x x 2 k Różnczkowalność, pochodne, ekstremum funkcj Ćwczene 1 Polczyć pochodn a kerunkow a funkcj: 1 1 1 x 1 x 2 x k ϕ(x 1,, x k ) x 2 1 x 2 2 x 2 k x k 1 1 x k 1 2 x k 1 w dowolnym punkce p [x 1, x 2,, x k T

Bardziej szczegółowo

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja) Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz

Bardziej szczegółowo

Zadanie 2. Obliczyć rangę dowolnego elementu zbioru uporządkowanego N 0 N 0, gdy porządek jest zdefiniowany następująco: (a, b) (c, d) (a c b d)

Zadanie 2. Obliczyć rangę dowolnego elementu zbioru uporządkowanego N 0 N 0, gdy porządek jest zdefiniowany następująco: (a, b) (c, d) (a c b d) Matemaryka dyskretna - zadania Zadanie 1. Opisać zbiór wszystkich elementów rangi k zbioru uporządkowanego X dla każdej liczby naturalnej k, gdy X jest rodziną podzbiorów zbioru skończonego Y. Elementem

Bardziej szczegółowo

Tomasz Grębski. Liczby zespolone

Tomasz Grębski. Liczby zespolone Tomas Grębsk Lcby espolone Kraśnk 00 Sps Treśc: Lcby espolone Tomas Grębsk- Wstęp. Podstawowe wadomośc o lcbe espolonej.. Interpretacja geometrycna lcby espolonej... Moduł lcby espolonej. Lcby sprężone..

Bardziej szczegółowo

1 Metody optymalizacji wielokryterialnej... 1 1.1 Ogólna charakterystyka problemu... 1 1.2 Tradycyjne metody optymalizacji wielokryterialnej...

1 Metody optymalizacji wielokryterialnej... 1 1.1 Ogólna charakterystyka problemu... 1 1.2 Tradycyjne metody optymalizacji wielokryterialnej... 1 Metody optymalzacj welokryteralnej.... 1 1.1 Ogólna charakterystyka problemu.... 1 1.2 Tradycyjne metody optymalzacj welokryteralnej.... 3 1.2.1 Metoda ważonych kryterów.... 3 1.2.2 Metoda optymalzacj

Bardziej szczegółowo

Pracownia Automatyki i Elektrotechniki Katedry Tworzyw Drzewnych Ćwiczenie 3. Analiza obwodów RLC przy wymuszeniach sinusoidalnych w stanie ustalonym

Pracownia Automatyki i Elektrotechniki Katedry Tworzyw Drzewnych Ćwiczenie 3. Analiza obwodów RLC przy wymuszeniach sinusoidalnych w stanie ustalonym ĆWCZENE 3 Analza obwodów C przy wymszenach snsodalnych w stane stalonym 1. CE ĆWCZENA Celem ćwczena jest praktyczno-analtyczna ocena obwodów elektrycznych przy wymszenach snsodalne zmennych.. PODSAWY EOEYCZNE

Bardziej szczegółowo

Modelowanie i obliczenia techniczne. Metody numeryczne w modelowaniu: Optymalizacja

Modelowanie i obliczenia techniczne. Metody numeryczne w modelowaniu: Optymalizacja Modelowane oblczena technczne Metody numeryczne w modelowanu: Optymalzacja Zadane optymalzacj Optymalzacja to ulepszane lub poprawa jakośc danego rozwązana, projektu, opracowana. Celem optymalzacj jest

Bardziej szczegółowo

Model ASAD. ceny i płace mogą ulegać zmianom (w odróżnieniu od poprzednio omawianych modeli)

Model ASAD. ceny i płace mogą ulegać zmianom (w odróżnieniu od poprzednio omawianych modeli) Model odstawowe założena modelu: ceny płace mogą ulegać zmanom (w odróżnenu od poprzedno omawanych model) punktem odnesena analzy jest obserwacja pozomu produkcj cen (a ne stopy procentowej jak w modelu

Bardziej szczegółowo

PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH

PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH Z a k ł a d U b e z p e c z e ń S p o ł e c z n y c h Wprowadzene Nnejsza ulotka adresowana jest zarówno do osób dopero ubegających

Bardziej szczegółowo

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe

Bardziej szczegółowo

Wprowadzenie. Support vector machines (maszyny wektorów wspierających, maszyny wektorów nośnych) SVM służy do: Zalety metody SVM

Wprowadzenie. Support vector machines (maszyny wektorów wspierających, maszyny wektorów nośnych) SVM służy do: Zalety metody SVM SVM Wprowadzene Support vector machnes (maszyny wektorów wsperających, maszyny wektorów nośnych) SVM służy do: w wersj podstawowej klasyfkacj bnarnej w wersj z rozszerzenam regresj wyboru najważnejszych

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj

Bardziej szczegółowo

Model IS-LM-BP. Model IS-LM-BP jest wersją modelu ISLM w gospodarce otwartej. Pokazuje on zatem jak

Model IS-LM-BP. Model IS-LM-BP jest wersją modelu ISLM w gospodarce otwartej. Pokazuje on zatem jak Ćwczena z Makroekonom II Model IS-LM- Model IS-LM- jest wersją modelu ISLM w gospodarce otwartej. Pokazuje on zatem jak gospodarka taka zachowuje sę w krótkm okrese, w efekce dzałań podejmowanych w ramach

Bardziej szczegółowo

Wykłady z termodynamiki i fizyki statystycznej. Semestr letni 2009/2010 Ewa Gudowska-Nowak, IFUJ, p.441 a

Wykłady z termodynamiki i fizyki statystycznej. Semestr letni 2009/2010 Ewa Gudowska-Nowak, IFUJ, p.441 a Wykłady z termodynamk fzyk statystycznej. Semestr letn 2009/2010 Ewa Gudowska-Nowak, IFUJ, p.441 a gudowska@th.f.uj.edu.pl Zalecane podręcznk: 1.Termodynamka R. Hołyst, A. Ponewersk, A. Cach 2. Podstay

Bardziej szczegółowo

Nowoczesne technk nformatyczne - Ćwczene 2: PERCEPTRON str. 2 Potencjał membranowy u wyznaczany jest klasyczne: gdze: w waga -tego wejśca neuronu b ba

Nowoczesne technk nformatyczne - Ćwczene 2: PERCEPTRON str. 2 Potencjał membranowy u wyznaczany jest klasyczne: gdze: w waga -tego wejśca neuronu b ba Nowoczesne technk nformatyczne - Ćwczene 2: PERCEPTRON str. 1 Ćwczene 2: Perceptron WYMAGANIA 1. Sztuczne sec neuronowe budowa oraz ops matematyczny perceptronu (funkcje przejśca perceptronu), uczene perceptronu

Bardziej szczegółowo