a to, jako ogon szeregu zbieżnego można uczynić dowolnie ma lym wybieraj ac dostatecznei

Wielkość: px
Rozpocząć pokaz od strony:

Download "a to, jako ogon szeregu zbieżnego można uczynić dowolnie ma lym wybieraj ac dostatecznei"

Transkrypt

1 Analiza Funkcjonalna WPPT IIr. semestr letni 2011 WYK LADY 2 i 3: PRZESTRZENIE UNORMOWANE i BANACHA BAZA TOPOLOGICZNA 29/03/11 Definicja. Norm a w rzestrzeni liniowej V nazywamy funkcjȩ : V [0, ) se lniaj ac a warunki (zwane aksjomatami normy): 1. v = 0 v = 0 2. v +u v + u (odaddytywność) 3. av = a v (jednorodność) Norma zadaje metrykȩ d(u, v) = u v. Zamiast mówić, że jakiś ci ag zbiega w metryce zadanej rzez normȩ, bȩdziemy mówić, że ci ag ten zbiega w normie (odobnie bȩdziemy mówić, że funkcja jest ci ag la w normie). Na rzyk lad faktem jest, że norma jest funkcj a ci ag l a w normie. Definicja. Przestrzeń liniowa unormowana nazywa siȩ rzestrzeni a Banacha, jeśli jest ona zue lna. Definicja. Powiemy, że ci ag (v n ) w rzestrzeni liniowo-metrycznej tworzy szereg zbieżny jeśli ci ag sum czȩściowych s n = v 1 +v 2 + +v n zbieżny jest (w metryce). Granicȩ tego ci agu s nawiemy sum a szeregu utworzonego rzez v n, co zaiszemy jako s = v n. n=1 Definicja. W rzestrzeni unormowanej, ci ag v n jest bezwzglȩdnie zbieżny, jeśli zbieżny jest szereg liczbowy n=1 v n. (UWAGA ci ag taki nie musi być zbieżny). Twierdzenie. Przestrzeń liniowa unormowana jest zue lna (czyli Banacha) wtedy i tylko wtedy, gdy każdy szereg bezwzglȩdnie zbieżny jest zbieżny. Dowód: Za lóżmy zue lność. Jeśli szereg v n jest bezwzglȩdnie zbieżny, to ci ag sum czȩściowych s n jest odstawowy, bowiem dla m > n mamy s m s n = v n+1 + +v m v n v m i=n+1 v i, a to, jako ogon szeregu zbieżnego można uczynić dowolnie ma lym wybieraj ac dostatecznei duże n. Z zue lności ci ag sum czȩściowych jest zbieżny, a to oznacza zbieżność szeregu tworzonego rzez v n. Odwrotnie: Za lóżmy, że każdy szereg bezwzglȩdnie zbieżny jest zbieżny i weźmy dowolny ci ag odstawowy (v n ). Dla każdego k 1 istnieje indeks n k taki, że n,m nk v n v m < 2 k. Dodatkowo można wybrać ci ag n k tak, by by l on rosn acy. Zdefiniujmy u k = v nk+1 v nk. Mamy u k = v nk+1 v nk 2 k (gdyż oba indeksy n k+1 i n k s a n k ). Zatem normy elementów u k tworz a szereg sumowalny, co oznacza, że u k tworz a szereg bezwzglȩdnie zbieżny, a zatem z

2 za lożenia zbieżny. Istnieje wiȩc suma tego szeregu u. Ale suma szeregu, to granica ci agu sum czȩściowych. Czym jest suma czȩściowa elementów u k : u 1 +u 2 + +u k = v n2 v n1 +v n3 v n2 + v nk+1 v nk = v nk+1 v n1. Oznacza to, że ci ag v nk+1 v n1 jest zbieżny (o k) do u, a onieważ v n1 jest sta ly, to ci ag v nk+1 jest zbieżny do elementu u+v n1. Wykazaliśmy, że ci ag v n ma odci ag zbieżny. Ci ag odstawowy, który ma odci ag zbieżny, ca ly jest zbieżny, to kończy dowód zue lności. PRZYK LADY PRZESTRZENI BANACHA: Przestrzenie ci agowe: 1. l ci agi ograniczone, z norm a suremum (nie jest ośrodkowa) 2. c ci agi zbieżne, z norm a suremum (ośrodkowa) 3. c 0 ci agi zbieżne do zera, z norm a suremum (ośrodkowa) 4. l 1 ci agi bezwzglȩdnie sumowalne, z norm a l 1 (suma szeregu modu lów) (ośrodkowa) 5. l 2 ci agi bezwzglȩdnie sumowalne z kwadratem, z norm a l 2 (ierwiastek sumy szeregu kwadratów modu lów) (ośrodkowa) Przestrzenie funkcji ci ag lych: 1. CB(R) funkcje ci ag le ograniczone na R, z norm a suremum(nie jest ośrodkowa) 2. CL(R) funkcje ci ag le na R osiadaj ace granice w i w, z norm a suremum (ośrodkowa) 3. C 0 (R) funkcje ci ag le na R zbieżne do zera w i w, z norm a suremum (ośrodkowa) 4. C(X) funkcje ci ag le na rzestrzeni zwartej X, z norm a suremum(ośrodkowa) Przestrzenie funkcji mierzalnych 1. L (R) klasy (modulo równość rawie wszȩdzie) funkcji mierzalnych ograniczonych na R, z norm a suremum istotne (nie jest ośrodkowa) 2. L 1 (R) klasy(modulorównośćrawiewszȩdzie)funkcjica lkowalnychzmodu lem na R, z norm a L 1 (ca lka z modu lu) (ośrodkowa) 3. L 2 (R) klasy(modulorównośćrawiewszȩdzie)funkcjica lkowalnychzkwadratem modu lu na R, z norm a L 2 (ierwiastek ca lki z kwadratu modu lu) (ośrodkowa) Powyższe trzy rzestrzenie można też wrowadzić na [0, 1] (w miejsce R). Różnica jest taka, że teraz mamy miarȩ skończon a, co zmienia zawierania miȩdzy tymi rzestrzeniami. Na rzyk lad dla miary skończonej każda funkcja ograniczona jest ca lkowalnazmodu lem,wiȩcl ([0,1]) L 1 ([0,1]),coniejestrawd anar. Podobnie każda nieujemna funkcja ca lkowalna z kwadratem na [0, 1] jest ca lkowalna bez kwadratu, zatem L 2 ([0,1]) L 1 ([0,1]), co też nie jest rawd a na R. NIERÓWNOŚĆHÖLDERAINIERÓWNOŚĆMINKOWSKIEGO,PRZESTRZE- NIE l i L Ustalmy dowolne > 1. Rozważmy zbiór ci agów (x n ) se lniaj acych warunek n=1 x n <. Podobnie, na rzestrzeni miarowej rozważmy zbiór funkcji f takich, że f dµ <. Zauważmy oczywisty fakt, że zbiory te s a zamkniȩte na mnożenie rzez skalar. Teraz srawdzimy, że s a one też zamkniȩte na dodawanie.

3 Lemat. Jeśli szeregi x n i y n s a sumowalne, to szereg x n +y n też. Podobnie jeśli f dµ < i g dµ <, to f +g dµ <. Dowód: Z wyuk lości funkcji x na liczbach nieujemnych mamy, dla a,b 0: ( ) ( ) 1 (a+b) (a+b) = a +b Stosuj ac to do a = x n i b = y n, sumuj ac o n i mnoż ac rzez 2 dostajemy x n +y n ( x n + y n ) 2 1 x n + y n <. n n n n Dowód dla funkcji jest identyczny: wstawiamy a = f(x) i b = g(x) i zamiast sumowania jest ca lkowanie. Definicja. Powyższy zbiór ci agów nazywamy rzestrzeni a l, a zbiór klas funkcji (modulorównośćrawiewszȩdzie)nazywamyrzestrzeni al (µ)(rzestrzeniel (µ) określa siȩ mianem rzestrzeni Lebesgue a). W rzestrzeniach tych wrowadzamy normy: oraz ( (x n ) = x n ( f = n=1 ) 1 ) 1 f dµ. Warunek zerowy jest oczywisty, jak również to, że s a one jednorodne. Aby srawdzić warunek trójk ata otrzebujemy kilku faktów. Od teraz, rzy ustalonym > 1 rzez q oznaczać bȩdziemy liczbȩ q = Zauważmy, że q > 1 oraz q = 1 (co oznacza, że 1 i 1 q mog a być wsó lczynnikami kombinacji wyuk lej). Liczbȩ q czȩsto określa siȩ mianem dualnej do. Lemat. (Nierówność Younga) Dla dowolnych nieujemnych a i b zachodzi ab a + bq q. Dowód: To wynika z wklȩs lości logarytmu (i tego, że jest rosn acy): logab = 1 loga + 1 ( 1 q logbq log a + 1 ) q bq (i teraz zdejmujemy logarytm). Twierdzenie. (NierównośćHöldera)Dladowolnychci agówliczbnieujemnych(x n ) i (y n ) oraz > 1 zachodzi nierówność: x i y i (x n ) (y n ) q. i=1

4 Podobnie dla dowolnych funkcji nieujemnych f i g na dowolnej rzestrzeni miarowej zachodzi fgdµ f g q. Dowód: Nierówność Höldera jest rawdziwa jeśli jeden z ci agów (jedna z funkcji) jest zerowy(a) lub jeśli jeden szereg (jedna ca lka) o rawej jest nieskończony(a). Zostaje wiȩc rzyadek niezerowy skończony. Ponieważ lewa i rawa strona nierówności Höldera s a jednorodne, to możemy obie strony odzielić rzez (niezerow a) raw a stronȩ i z dzieleniem wejść od sumȩ (ca lkȩ) oraz od normy. Zatem wystarczy nierówność tȩ dowodzić dla wektorów (lub funkcji) o odowiednich normach równych 1, czyli takich, że n=1 x n = 1 i n=1 yq n = 1 (a w rzyadku funkcji f dµ = 1 i g q dµ = 1). Wtedy, stosuj ac nierówność Younga dla każdego n i sumuj ac o n, dostajemy: x xn y n n y q + n = 1 q + 1 q = 1, a jedynka o rawej stronie to jest, w rzyadku wektorów unormowanych, rawa strona nierówności Höldera. W rzyadku funkcji stosujemy nierówność Younga w każdym unkcie rzestrzeni miarowej i ca lkujemy: f dµ g q dµ fgdµ + = 1 q + 1 q = 1. Twierdzenie. (Nierówność Minkowskiego) Niech (x n ),(y n ) l. Wtedy (x n )+(y n ) (x n ) + (y n ). Analogiczna nierówność zachodzi dla funkcji f,g L (µ). Dowód: Nierówność jest trywialna, gdy o lewej stronie jest zero. Zatem zosta l rzyadek, gdy szereg n x n+y n jest niezerowy (i, jak wiemy, skończony; wtedy można rzez niego dzielić). Piszemy tak: xn +y n = xn +y n 1 x n +y n x n x n +y n 1 + y n x n +y n 1 ( xn ) 1 ( xn +y n ( 1)q)1 q ( + yn ) 1 ( xn +y n ( 1)q)1 q. Teraz zauważamy, że ( 1)q = (bo ( 1 = 1 1 = 1 q ), czyli możemy urościć wyk ladniki o rawej. Nastȩnie dzielimy obie strony rzez (skończone i niezerowe) wyrażenie ( x n +y n ) 1 q. Po lewej stronie wyjdzie szereg do otȩgi 1 1 q a to jest 1, czyli wyjdzie dok ladnie nierówność Minkowskiego. Dowód dla ca lek jest identyczny, tylko zamiast sumowania jest ca lkowanie. Udowodniliśmy w laśnie brakuj ac a odaddytywność norm. Twierdzenie. Przestrzenie l i L (µ) dla 1 s a zue lne (czyli Banacha). Dowód na ćwiczeniach.

5 PRZESTRZEŃ ROZPIȨTA I DOMNKIȨTA PRZESTRZEŃ ROZPIȨTA. Niech A bȩdzie odzbiorem rzestrzeni liniowo-metrycznej V. Przez Lin(A) oznaczać bȩdziemy odrzestrzeń sk ladaj ac a siȩ z wszystkich kombinacji liniowych elementów z A. Jest niemal oczywiste, że jest to rzetrzeń liniowa w V. Nastȩnie, rzez Lin(A) oznaczamy domkniȩcie rzestrzeni Lin(A). To również jest odrzestrzeń liniowa (to wynika z ci ag lości dzia lań). Jeśli Lin(A) = V, to owiemy, że A jest liniowo gȩsty w V. BAZA TOPOLOGICZNA W PRZESTRZENI BANACHA Definicja. Przeliczalny uk lad wektorów {e n : n N} nazwiemy baz a toologiczn a w rzestrzeni liniowo-metrycznej V jeśli każdy wektor v w tej rzestrzeni można jednoznacznie rzedstawić w ostaci szeregu v = n a ne n. Uwaga: Każda baza jest uk ladem niezależnym. Jast baz a Hamela tylko w rzestrzeni skończonego wymiaru. Przestrzeń osiadaj aca bazȩ toologiczn a jest ośrodkowa. Baza jest zbiorem liniowo gȩstym, ale nie odwrotnie (rzyk lady na ćwiczeniach). PRZYK LADY BAZ: Baza w l : e n = (0,0,...,0,1,0,0...) (jedynka na n-tym miejscu). Baza Schaudera w C([0,1]): Problem: (Stanis law Mazur, Ksiȩga Szkocka, 1936) Czy każda ośrodkowa rzestrzeń Banacha ma bazȩ toologiczn a? Od. (Per Enflo, 1972) Nie. 1 IZOMORFIZM, RÓWNOWAŻNOŚĆ NORM Definicja. Dwie rzestrzenie unormowane s a toologicznie izomorficzne jeśli istnieje miȩdzy nimi homeomorfizm liniowy. Jeśli istnieje surjektywna izometria liniowa, to rzestrzenie te s a izometrycznie izomorficzne. Definicja. Dwie normy na tej samej rzestrzeni s a równoważne jeśli identyczność jest izomorfizmem toologicznym (czyli gdy metryki zadane rzez te normy s a równoważne). Twierdzenie. Dwie normy na tej samej rzestrzeni s a równoważne wtedy i tylko wtedy gdy istniej a sta le C > 0 i D > 0 takie, że C x 1 x 2 D x 1 (czyli identyczność jest lishitzowska w obie strony, w szczególności metryki s a wtedy od razu jednostajnie równoważne). Dowód na ćwiczeniach. 1 Za rozwi azanie tego roblemu Stanis law Mazur obieca l w Ksiȩdze Szkockiej nagrodȩ w ostaci żywej gȩsi. Faktycznie, w roku 1972 odby la siȩ w warszawskim Centrum Banacha uroczysta ceremonia wrȩczenia gȩsi szweckiemu matematykowi Perowi Enflo, który roblem rozwi aza l o 36 latach od sformu lowania. Stanis law Mazur, w rzeciwieństwie do wielu tragicznie zmar lych w czasie okuacji rzedstawicieli tzw. Szko ly Lwowskiej, rzeży l wojnȩ i ży l do roku 1981.

Elementy analizy funkcjonalnej PRZESTRZENIE LINIOWE

Elementy analizy funkcjonalnej PRZESTRZENIE LINIOWE Elementy analizy funkcjonalnej PRZESTRZENIE LINIOWE Niech K = R lub K = C oraz X - dowolny zbiór. Określmy dwa dzia lania: dodawanie + : X X X i mnożenie przez liczbȩ : K X X, spe lniaj ace nastȩpuj ace

Bardziej szczegółowo

nie zależy (z dok ladności a do jednostajnego homeomorfizmu) od wyboru ci agu uzbieżniaj acego c n. 1 min{n : x n y n }.

nie zależy (z dok ladności a do jednostajnego homeomorfizmu) od wyboru ci agu uzbieżniaj acego c n. 1 min{n : x n y n }. A N A L I Z A F U N K C J O N A L N A PPI 2r., sem. letni LISTY 5-9 LISTA 5 Wroc law, 14 marca - 25 kwietnia 2006 ZADANIE 1. Niech (X 1,d 1 ), (X 2,d 2 ), (X 3,d 3 ),... bȩdzie ci agiem przestrzeni metrycznych

Bardziej szczegółowo

T O P O L O G I A WPPT I, sem. letni WYK LAD 8. Wroc law, 21 kwietnia D E F I N I C J E Niech (X, d) oznacza przestrzeń metryczn a.

T O P O L O G I A WPPT I, sem. letni WYK LAD 8. Wroc law, 21 kwietnia D E F I N I C J E Niech (X, d) oznacza przestrzeń metryczn a. T O P O L O G I A WPPT I, sem. letni WYK LAD 8 Zwartość D E F I N I C J E Niech (X, d) oznacza przestrzeń metryczn a. Wroc law, 1 kwietnia 008 Definicja 1. (X, d) jest ca lkowicie ograniczona jeśli dla

Bardziej szczegółowo

DOWODY NIERÓWNOŚCI HÖLDERA I MINKOWSKIEGO (DO UŻYTKU WEWNȨTRZNEGO, I DO SPRAWDZENIA)

DOWODY NIERÓWNOŚCI HÖLDERA I MINKOWSKIEGO (DO UŻYTKU WEWNȨTRZNEGO, I DO SPRAWDZENIA) DOWODY NIERÓWNOŚCI HÖLDERA I MINKOWSKIEGO (DO UŻYTKU WEWNȨTRZNEGO I DO SPRAWDZENIA) R R Tematem niniejszych notatek jest zbadanie warunków istnienia normy na ewnej rzestrzeni funkcji rzeczywistych określonych

Bardziej szczegółowo

Tomasz Downarowicz Instytut Matematyki i Informatyki Politechnika Wroc lawska Wroc law Wroc law, kwiecień 2011

Tomasz Downarowicz Instytut Matematyki i Informatyki Politechnika Wroc lawska Wroc law Wroc law, kwiecień 2011 Tomasz Downarowicz Instytut Matematyki i Informatyki Politechnika Wroc lawska 50-370 Wroc law Wroc law, kwiecień 2011 Analiza Funkcjonalna WPPT IIr. Wyk lady 4 i 5: Przestrzenie unitarne i Hilberta (rzeczywiste

Bardziej szczegółowo

Niech X bȩdzie dowolnym zbiorem. Dobry porz adek to relacja P X X (bȩdziemy pisać x y zamiast x, y P ) o w lasnościach:

Niech X bȩdzie dowolnym zbiorem. Dobry porz adek to relacja P X X (bȩdziemy pisać x y zamiast x, y P ) o w lasnościach: Teoria miary WPPT IIr semestr zimowy 2009 Wyk lad 4 Liczby kardynalne, indukcja pozaskończona DOBRY PORZA DEK 14/10/09 Niech X bȩdzie dowolnym zbiorem Dobry porz adek to relacja P X X (bȩdziemy pisać x

Bardziej szczegółowo

Wyk lad 12. (ii) najstarszy wspó lczynnik wielomianu f jest elementem odwracalnym w P. Dowód. Niech st(f) = n i niech a bedzie

Wyk lad 12. (ii) najstarszy wspó lczynnik wielomianu f jest elementem odwracalnym w P. Dowód. Niech st(f) = n i niech a bedzie 1 Dzielenie wielomianów Wyk lad 12 Ważne pierścienie Definicja 12.1. Niech P bedzie pierścieniem, który może nie być dziedzina ca lkowitości. Powiemy, że w pierścieniu P [x] jest wykonalne dzielenie z

Bardziej szczegółowo

Teoria miary WPPT IIr. semestr zimowy 2009 Wyk lady 6 i 7. Mierzalność w sensie Carathéodory ego Miara Lebesgue a na prostej

Teoria miary WPPT IIr. semestr zimowy 2009 Wyk lady 6 i 7. Mierzalność w sensie Carathéodory ego Miara Lebesgue a na prostej Teoria miary WPPT IIr. semestr zimowy 2009 Wyk lady 6 i 7. Mierzalność w sensie Carathéodory ego Miara Lebesgue a na prostej 27-28/10/09 ZBIORY MIERZALNE WZGLȨDEM MIARY ZEWNȨTRZNEJ Niech µ bȩdzie miar

Bardziej szczegółowo

Wyk lad 7 Baza i wymiar przestrzeni liniowej

Wyk lad 7 Baza i wymiar przestrzeni liniowej Wyk lad 7 Baza i wymiar przestrzeni liniowej 1 Baza przestrzeni liniowej Niech V bedzie przestrzenia liniowa. Powiemy, że podzbiór X V jest maksymalnym zbiorem liniowo niezależnym, jeśli X jest zbiorem

Bardziej szczegółowo

Analiza dla informatyków 2 DANI LI2 Pawe l Domański szkicowe notatki do wyk ladu

Analiza dla informatyków 2 DANI LI2 Pawe l Domański szkicowe notatki do wyk ladu Analiza dla informatyków 2 DANI LI2 Pawe l Domański szkicowe notatki do wyk ladu Wyk lad 5 1. Iloczyn ortogonalny funkcji Wróćmy na chwilȩ do dowodu wzorów Eulera-Fouriera. Kluczow a rolȩ odgrywa l wzór:

Bardziej szczegółowo

WPPT 2r., sem. letni KOLOKWIUM 1 Wroc law, 19 kwietnia 2011

WPPT 2r., sem. letni KOLOKWIUM 1 Wroc law, 19 kwietnia 2011 A N A L I Z A F U N K C J O N A L N A WPPT r, sem letni KOLOKWIUM Wroc law, 9 kwietnia 0 ZADANIE ab W pewnej przestrzeni mamy wie metryki i przy czym czyni nasz a przestrzeń zwart a a jest s labsza o (tzn

Bardziej szczegółowo

Wyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera

Wyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera Wyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera Określenie podpierścienia Definicja 9.. Podpierścieniem pierścienia (P, +,, 0, ) nazywamy taki podzbiór A P, który jest pierścieniem ze wzgledu

Bardziej szczegółowo

Wyk lad 6 Podprzestrzenie przestrzeni liniowych

Wyk lad 6 Podprzestrzenie przestrzeni liniowych Wyk lad 6 Podprzestrzenie przestrzeni liniowych 1 Określenie podprzestrzeni Definicja 6.1. Niepusty podzbiór V 1 V nazywamy podprzestrzeni przestrzeni liniowej V, jeśli ma on nastepuj ace w lasności: (I)

Bardziej szczegółowo

Wyk lad 9 Baza i wymiar przestrzeni liniowej

Wyk lad 9 Baza i wymiar przestrzeni liniowej Wyk lad 9 Baza i wymiar przestrzeni liniowej 1 Operacje elementarne na uk ladach wektorów Niech α 1,..., α n bed dowolnymi wektorami przestrzeni liniowej V nad cia lem K. Wyróżniamy nastepuj ace operacje

Bardziej szczegółowo

Wyk lad 5. Analiza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu. 1. Granice niew laściwe

Wyk lad 5. Analiza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu. 1. Granice niew laściwe Analiza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu Wyk lad 5 1. Granice niew laściwe Definicja 1 Ci ag (x n ) d aży do (jest rozbieżny do) + jeśli c R N n > N x n > c a do

Bardziej szczegółowo

1 Przestrzenie metryczne

1 Przestrzenie metryczne Topologia I Notatki do wyk ladu LITERATURA UZUPE LNIAJA CA R. Duda, Wprowadzenie do topologii, czȩść I. R. Engelking, Topologia ogólna. R. Engelking, K. Sieklucki, Wstȩp do topologii. W. Rudin, Podstawy

Bardziej szczegółowo

Wyk lad 3 Wielomiany i u lamki proste

Wyk lad 3 Wielomiany i u lamki proste Wyk lad 3 Wielomiany i u lamki proste 1 Konstrukcja pierścienia wielomianów Niech P bedzie dowolnym pierścieniem, w którym 0 1. Oznaczmy przez P [x] zbiór wszystkich nieskończonych ciagów o wszystkich

Bardziej szczegółowo

z n n=1 S n nazywamy sum a szeregu. Szereg, który nie jest zbieżny, nazywamy rozbieżnym. n=1

z n n=1 S n nazywamy sum a szeregu. Szereg, który nie jest zbieżny, nazywamy rozbieżnym. n=1 3 Szeregi zespolone 3. Szeregi liczbowe Mówimy, że szereg o wyrazach zespolonych jest zbieżny, jeżeli ci ag jego sum czȩściowych {S n }, gdzie S n = z + z +... + jest zbieżny do granicy w laściwej. Granicȩ

Bardziej szczegółowo

Sterowalność liniowych uk ladów sterowania

Sterowalność liniowych uk ladów sterowania Sterowalność liniowych uk ladów sterowania W zadaniach sterowania docelowego należy przeprowadzić obiekt opisywany za pomoc a równania stanu z zadanego stanu pocz atkowego ẋ(t) = f(x(t), u(t), t), t [t,

Bardziej szczegółowo

ci agi i szeregi funkcji Javier de Lucas Ćwiczenie 1. Zbadać zbieżność (punktow a i jednostajn a) ci agu funkcji nx 2 + x

ci agi i szeregi funkcji Javier de Lucas Ćwiczenie 1. Zbadać zbieżność (punktow a i jednostajn a) ci agu funkcji nx 2 + x ci agi i szeregi funkcji Javier de Lucas Ćwiczenie 1 Zbadać zbieżność (punktow a i jednostajn a) ci agu funkcji f n : [, [ x nx + x nx + 1, Rozwi azanie: Mówi siȩ, że ci ag funkcji f n zd aży punktowo

Bardziej szczegółowo

T O P O L O G I A O G Ó L N A WPPT WYK LAD 14 Topologie w przestrzeniach funkcji ci ag lych, Twierdzenie Stone a Weierstrassa

T O P O L O G I A O G Ó L N A WPPT WYK LAD 14 Topologie w przestrzeniach funkcji ci ag lych, Twierdzenie Stone a Weierstrassa T O P O L O G I A O G Ó L N A WPPT WYK LAD 14 Topologie w przestrzeniach funkcji ci ag lych, Twierdzenie Stone a Weierstrassa Niech X i Y oznaczaj a przestrzenie topologiczne, zaś C(X,Y) bȩdzie zbiorem

Bardziej szczegółowo

Cia la i wielomiany Javier de Lucas

Cia la i wielomiany Javier de Lucas Cia la i wielomiany Javier de Lucas Ćwiczenie 1. Za lóż, że (F, +,, 1, 0) jest cia lem i α, β F. w laściwości s a prawd a? Które z nastȩpuj acych 1. 0 α = 0. 2. ( 1) α = α. 3. Każdy element zbioru F ma

Bardziej szczegółowo

ANALIZA II 15 marca 2014 Semestr letni. Ćwiczenie 1. Czy dan a funkcjȩ da siȩ dookreślić w punkcie (0, 0) tak, żeby otrzymana funkcja by la ci ag la?

ANALIZA II 15 marca 2014 Semestr letni. Ćwiczenie 1. Czy dan a funkcjȩ da siȩ dookreślić w punkcie (0, 0) tak, żeby otrzymana funkcja by la ci ag la? Ci ag lość i norma Ćwiczenie. Czy dan a funkcjȩ da siȩ dookreślić w punkcie (0, 0) tak, żeby otrzymana funkcja by la ci ag la? f (x, y) = x2 y 2 x 2 + y 2, f 2(x, y) = x2 y x 2 + y 2 f 3 (x, y) = x2 y

Bardziej szczegółowo

Twierdzenie Stolza i metryki Javier de Lucas. a n = (2n + 1) 1 4 n 5 4

Twierdzenie Stolza i metryki Javier de Lucas. a n = (2n + 1) 1 4 n 5 4 Twierdzenie Stolza i metryki Javier de Lucas Zadanie Zbadać zbieżność ci agu i znaleźć granicȩ: a n 4 + 3 4 + + (2n + ) 4 n 5 4 Rozwi azanie: Żeby obliczyć tak a granicȩ korzystamy z twierdzenia Stolza,

Bardziej szczegółowo

Suma i przeciȩcie podprzestrzeń, suma prosta, przestrzeń ilorazowa Javier de Lucas

Suma i przeciȩcie podprzestrzeń, suma prosta, przestrzeń ilorazowa Javier de Lucas Suma i przeciȩcie podprzestrzeń suma prosta przestrzeń ilorazowa Javier de Lucas Ćwiczenie 1 W zależności od wartości parametru p podaj wymiar przestrzeni W = v 1 v v 3 gdzie p 0 v 1 = 1 + p 3 v = 5 3

Bardziej szczegółowo

Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania

Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania 1 Przekszta lcenia liniowe i ich w lasności Definicja 9.1. Niech V i W bed przestrzeniami liniowymi. Przekszta lcenie f : V W spe lniajace warunki:

Bardziej szczegółowo

W poszukiwaniu kszta ltów kulistych

W poszukiwaniu kszta ltów kulistych W poszukiwaniu kszta ltów kulistych Piotr Mankiewicz April 4, 2005 Konwersatorium dla doktorantów Notacje 1 Cia lo wypuk le - wypuk ly, domkniȩty podzbiór ograniczony w R n. Odleg lość geometryczna dwóch

Bardziej szczegółowo

Przestrzenie wektorowe, liniowa niezależność Javier de Lucas

Przestrzenie wektorowe, liniowa niezależność Javier de Lucas Przestrzenie wektorowe, liniowa niezależność Javier de Lucas Ćwiczenie 1. W literaturze można znaleźć pojȩcia przestrzeni liniowej i przestrzeni wektorowej. Obie rzeczy maj a tak a sam a znaczenie. Nastȩpuj

Bardziej szczegółowo

Wyk lad 14 Cia la i ich w lasności

Wyk lad 14 Cia la i ich w lasności Wyk lad 4 Cia la i ich w lasności Charakterystyka cia la Określenie cia la i w lasności dzia lań w ciele y ly omówione na algerze liniowej. Stosujac terminologie z teorii pierścieni możemy powiedzieć,

Bardziej szczegółowo

jest ciągiem elementów z przestrzeni B(R, R)

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

Bardziej szczegółowo

Zdzisław Dzedzej. Politechnika Gdańska. Gdańsk, 2013

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

Bardziej szczegółowo

Szeregi liczbowe wste

Szeregi liczbowe wste 3 grudnia 2007 orawi lem dowód twierdzenia o rzybliżeniach dziesie tnych Zajmiemy sie teraz cia gami nieskończonym, ale zaisywanymi w ostaci sum. Definicja 2. (szeregu) Niech (a n ) be dzie dowolnym cia

Bardziej szczegółowo

Wykład 21 Funkcje mierzalne. Kostrukcja i własności całki wzglȩdem miary przeliczalnie addytywnej

Wykład 21 Funkcje mierzalne. Kostrukcja i własności całki wzglȩdem miary przeliczalnie addytywnej Wykład 2 Funkcje mierzalne. Kostrukcja i własności całki wzglȩdem miary przeliczalnie addytywnej czȩść II (opracował: Piotr Nayar) Definicja 2.. Niech (E, E) bȩdzie przestrzenia mierzalna i niech λ : E

Bardziej szczegółowo

Rozdzia l 11. Przestrzenie Euklidesowe Definicja, iloczyn skalarny i norma. iloczynem skalarnym.

Rozdzia l 11. Przestrzenie Euklidesowe Definicja, iloczyn skalarny i norma. iloczynem skalarnym. Rozdzia l 11 Przestrzenie Euklidesowe 11.1 Definicja, iloczyn skalarny i norma Definicja 11.1 Przestrzenia Euklidesowa nazywamy par e { X K,ϕ }, gdzie X K jest przestrzenia liniowa nad K, a ϕ forma dwuliniowa

Bardziej szczegółowo

Zagadnienie Dualne Zadania Programowania Liniowego. Seminarium Szkoleniowe Edyta Mrówka

Zagadnienie Dualne Zadania Programowania Liniowego. Seminarium Szkoleniowe Edyta Mrówka Zagadnienie Dualne Zadania Programowania Liniowego Seminarium Szkoleniowe Edyta Mrówka Ogólne zagadnienie PL Znajdź taki wektor X = (x 1, x 2,..., x n ), który minimalizuje kombinacje liniow a przy ograniczeniach

Bardziej szczegółowo

T O P O L O G I A O G Ó L N A. WPPT WYK LAD 13 Ci agi uogólnione, topologie w przestrzeniach produktowych

T O P O L O G I A O G Ó L N A. WPPT WYK LAD 13 Ci agi uogólnione, topologie w przestrzeniach produktowych T O P O L O G I A O G Ó L N A WPPT WYK LAD 13 Ci agi uogólnione, topologie w przestrzeniach produktowych Definicja. Przez rodzinȩ skierowan a rozumiemy dowolny zbiór z porz adkiem czȩściowym (K, ), taki

Bardziej szczegółowo

Analiza matematyczna 2, cze ść dziesia ta

Analiza matematyczna 2, cze ść dziesia ta Analiza matematyczna 2, cze ść dziesia ta Informacja ogólna dla tych, którzy jeszcze ze mna chca rozmawiać o stopniach: zdecydowana wie kszość twierdzeń w matematyce, w analizie w szczególności, sk lada

Bardziej szczegółowo

Analiza funkcjonalna 1.

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

Bardziej szczegółowo

Wyk lad 8 macierzy i twierdzenie Kroneckera-Capellego

Wyk lad 8 macierzy i twierdzenie Kroneckera-Capellego Wyk lad 8 Rzad macierzy i twierdzenie Kroneckera-Capellego 1 Określenie rz edu macierzy Niech A bedzie m n - macierza Wówczas wiersze macierzy A możemy w naturalny sposób traktować jako wektory przestrzeni

Bardziej szczegółowo

Wyk lad 11 1 Wektory i wartości w lasne

Wyk lad 11 1 Wektory i wartości w lasne Wyk lad 11 Wektory i wartości w lasne 1 Wektory i wartości w lasne Niech V bedzie przestrzenia liniowa nad cia lem K Każde przekszta lcenie liniowe f : V V nazywamy endomorfizmem liniowym przestrzeni V

Bardziej szczegółowo

Analiza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu

Analiza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu Analiza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu Wyk lad 4 1. Zbiory otwarte i domkniȩte Pojȩcia które teraz wprowadzimy można rozpatrywać w każdej przestrzeni metrycznej

Bardziej szczegółowo

Suma i przeciȩcie podprzestrzeni, przestrzeń ilorazowa Javier de Lucas

Suma i przeciȩcie podprzestrzeni, przestrzeń ilorazowa Javier de Lucas Suma i przeciȩcie podprzestrzeni, przestrzeń ilorazowa Javier de Lucas Ćwiczenie 1. Dowieść, że jeśli U i V s a podprzestrzeniami n-wymiarowej przestrzeni wektorowej oraz dim U = r i dim V = s, to max(0,

Bardziej szczegółowo

(α + β) a = α a + β a α (a + b) = α a + α b (α β) a = α (β a). Definicja 4.1 Zbiór X z dzia laniami o wyżej wymienionych w lasnościach

(α + β) a = α a + β a α (a + b) = α a + α b (α β) a = α (β a). Definicja 4.1 Zbiór X z dzia laniami o wyżej wymienionych w lasnościach Rozdzia l 4 Przestrzenie liniowe 4.1 Przestrzenie i podprzestrzenie 4.1.1 Definicja i podstawowe w lasności Niech X z dzia laniem dodawania + b edzie grupa przemienna (abelowa). Oznaczmy przez 0 element

Bardziej szczegółowo

. : a 1,..., a n F. . a n Wówczas (F n, F, +, ) jest przestrzenią liniową, gdzie + oraz są działaniami zdefiniowanymi wzorami:

. : a 1,..., a n F. . a n Wówczas (F n, F, +, ) jest przestrzenią liniową, gdzie + oraz są działaniami zdefiniowanymi wzorami: 9 Wykład 9: Przestrzenie liniowe i podprzestrzenie Definicja 9 Niech F będzie ciałem Algebrę (V, F, +, ), gdzie V, + jest działaniem w zbiorze V zwanym dodawaniem wektorów, a jest działaniem zewnętrznym

Bardziej szczegółowo

Liczby zespolone, liniowa zależność i bazy Javier de Lucas. a d b c. ad bc

Liczby zespolone, liniowa zależność i bazy Javier de Lucas. a d b c. ad bc Liczby zespolone, liniowa zależność i bazy Javier de Lucas Ćwiczenie. Dowieść, że jeśli µ := c d d c, to homografia h(x) = (ax+b)/(cx+d), a, b, c, d C, ad bc, odwzorowuje oś rzeczywist a R C na okr ag

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Wyk lad 9 Baza i wymiar przestrzeni liniowej

Wyk lad 9 Baza i wymiar przestrzeni liniowej Wyk lad 9 Baza i wymiar liniowej Baza liniowej Niech V bedzie nad cia lem K Powiemy, że zbiór wektorów {α,, α n } jest baza V, jeżeli wektory α,, α n sa liniowo niezależne oraz generuja V tzn V = L(α,,

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA dla ZPM I dr inż Krzysztof Bryś wyk lad 1,2 KLASYCZNY RACHUNEK PRAWDOPODOBIEŃSTWA

STATYSTYKA MATEMATYCZNA dla ZPM I dr inż Krzysztof Bryś wyk lad 1,2 KLASYCZNY RACHUNEK PRAWDOPODOBIEŃSTWA 1 STATYSTYKA MATEMATYCZNA dla ZPM I dr inż Krzysztof Bryś wyk lad 1,2 KLASYCZNY RACHUNEK PRAWDOPODOBIEŃSTWA 1. Pojȩcia wstȩpne. Doświadczeniem losowym nazywamy doświadczenie, którego wynik nie jest znany.

Bardziej szczegółowo

STYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1

STYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1 1 STYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1 Klasyczny Rachunek Prawdopodobieństwa. 1. Pojȩcia wstȩpne. Doświadczeniem losowym nazywamy doświadczenie, którego wynik nie jest znany. Posiadamy

Bardziej szczegółowo

Ekonomia matematyczna i dynamiczna optymalizacja

Ekonomia matematyczna i dynamiczna optymalizacja Ekonomia matematyczna i dynamiczna optymalizacja Ramy wyk ladu i podstawowe narz edzia matematyczne SGH Semestr letni 2012-13 Uk lady dynamiczne Rozwiazanie modelu dynamicznego bardzo czesto można zapisać

Bardziej szczegółowo

PODSTAWOWE W LASNOŚCI W ZBIORZE LICZB RZECZYWISTYCH

PODSTAWOWE W LASNOŚCI W ZBIORZE LICZB RZECZYWISTYCH PODSTAWOWE W LASNOŚCI DZIA LAŃ I NIERÓWNOŚCI W ZBIORZE LICZB RZECZYWISTYCH W dalszym cia gu be dziemy zajmować sie g lównie w lasnościami liczb rzeczywistych, funkcjami określonymi na zbiorach z lożonych

Bardziej szczegółowo

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

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

Bardziej szczegółowo

1 Nierówność Minkowskiego i Hoeldera

1 Nierówność Minkowskiego i Hoeldera 1 Nierówność Minkowskiego i Hoeldera Na państwa użytek załączam precyzyjne sformułowania i dowody nierówności Hoeldera i Minkowskiego: Twierdzenie 1.1 Nierówność Hoeldera). Niech p, q będą takimi liczbami

Bardziej szczegółowo

Funkcje wielu zmiennych

Funkcje wielu zmiennych Funkcje wielu zmiennych 13 Zbiory w przestrzeni Definicja Przestrzeni a trójwymiarow a (przestrzeni a) nazywamy zbiór wszystkich trójek uporz adkowanych (x y z) gdzie x y z R. Przestrzeń tȩ oznaczamy symbolem

Bardziej szczegółowo

Niezb. ednik matematyczny. Niezb. ednik matematyczny

Niezb. ednik matematyczny. Niezb. ednik matematyczny Niezb ednik matematyczny Niezb ednik matematyczny Liczby zespolone I Rozważmy zbiór R R (zbiór par liczb rzeczywistych) i wprowadźmy w nim nastepuj ace dzia lania: z 1 + z 2 = (x 1, y 1 ) + (x 2, y 2 )

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

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

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

Bardziej szczegółowo

Wyk lad 4 Warstwy, dzielniki normalne

Wyk lad 4 Warstwy, dzielniki normalne Wyk lad 4 Warstwy, dzielniki normalne 1 Warstwy grupy wzgl edem podgrupy Niech H bedzie podgrupa grupy (G,, e). W zbiorze G wprowadzamy relacje l oraz r przyjmujac, że dla dowolnych a, b G: a l b a 1 b

Bardziej szczegółowo

Wyk lad 1 Podstawowe struktury algebraiczne

Wyk lad 1 Podstawowe struktury algebraiczne Wyk lad 1 Podstawowe struktury algebraiczne 1 Dzia lanie w zbiorze Majac dane dowolne dwa przedmioty a b możemy z nich utworzyć pare uporzadkowan a (a b) o poprzedniku a i nastepniku b. Warunek na równość

Bardziej szczegółowo

Rozdzia l 2. Najważniejsze typy algebr stosowane w logice

Rozdzia l 2. Najważniejsze typy algebr stosowane w logice Rozdzia l 2. Najważniejsze typy algebr stosowane w logice 1. Algebry Boole a Definicja. Kratȩ dystrybutywn a z zerem i jedynk a, w której dla każdego elementu istnieje jego uzupe lnienie nazywamy algebr

Bardziej szczegółowo

Matematyka A, klasówka, 24 maja zania zadań z kolokwium z matematyki A w nadziei, że pope lni lem wielu b le. rozwia

Matematyka A, klasówka, 24 maja zania zadań z kolokwium z matematyki A w nadziei, że pope lni lem wielu b le. rozwia Matematyka A, klasówka, 4 maja 5 Na prośbe jednej ze studentek podaje zania zadań z kolokwium z matematyki A w nadziei, że pope lni lem wielu b le dów Podać definicje wektora w lasnego i wartości w lasnej

Bardziej szczegółowo

Rozdzia l 3. Elementy algebry uniwersalnej

Rozdzia l 3. Elementy algebry uniwersalnej Rozdzia l 3. Elementy algebry uniwersalnej 1. Podalgebry, homomorfizmy Definicja. Niech = B A oraz o bȩdzie n-argumentow a operacj a na zbiorze A. Mówimy, że zbiór B jest zamkniȩty na operacjȩ o, gdy dla

Bardziej szczegółowo

Wyk lad 2 Podgrupa grupy

Wyk lad 2 Podgrupa grupy Wyk lad 2 Podgrupa grupy Definicja 2.1. Pod grupy (G,, e) nazywamy taki podzbiór H G, że e H, h 1 H dla każdego h H oraz h 1 h 2 H dla dowolnych h 1, h 2 H. Jeśli H jest grupy G, to bedziemy pisali H G.

Bardziej szczegółowo

LOGIKA ALGORYTMICZNA

LOGIKA ALGORYTMICZNA LOGIKA ALGORYTMICZNA 0.0. Relacje. Iloczyn kartezjański: A B := (a, b) : a A i b B} (zak ladamy, że (x, y) i (u, v) s a równe wtedy i tylko wtedy gdy x = u i y = v); A n := (x 1,..., x n ) : x i A}; R

Bardziej szczegółowo

Rozdział 4. Ciągi nieskończone. 4.1 Ciągi nieskończone

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

Bardziej szczegółowo

P (x, y) + Q(x, y)y = 0. g lym w obszrze G R n+1. Funkcje. zania uk ladu (1) o wykresie przebiegaja

P (x, y) + Q(x, y)y = 0. g lym w obszrze G R n+1. Funkcje. zania uk ladu (1) o wykresie przebiegaja 19. O ca lkach pierwszych W paragrafie 6 przy badaniu rozwia zań równania P (x, y) + Q(x, y)y = 0 wprowadzono poje cie ca lki równania, podano pewne kryteria na wyznaczanie ca lek równania. Znajomość ca

Bardziej szczegółowo

1 Elementy analizy funkcjonalnej

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

Bardziej szczegółowo

13. Cia la. Rozszerzenia cia l.

13. Cia la. Rozszerzenia cia l. 59 13. Cia la. Rozszerzenia cia l. Z rozważań poprzedniego paragrafu wynika, że jeżeli wielomian f o wspó lczynnikach w ciele K jest nierozk ladalny, to pierścień ilorazowy K[X]/(f) jest cia lem zawieraja

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Wyk lad 10 Przestrzeń przekszta lceń liniowych

Wyk lad 10 Przestrzeń przekszta lceń liniowych Wyk lad 10 Przestrzeń przekszta lceń liniowych 1 Określenie przestrzeni przekszta lceń liniowych Niech V i W bed a przestrzeniami liniowymi Oznaczmy przez L(V ; W ) zbór wszystkich przekszta lceń liniowych

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Dzia lanie grupy na zbiorze. Twierdzenie Sylowa

Dzia lanie grupy na zbiorze. Twierdzenie Sylowa Dzia lanie grupy na zbiorze. Twierdzenie Sylowa Niech G be dzie dowolna grupa, zaś X zbiorem. 1. Definicja. Dzia laniem grupy G na zbiorze X nazywamy funkcje µ: G X X, µ(g, x) = g x, spe lniaja ca dwa

Bardziej szczegółowo

R n = {(x 1, x 2,..., x n ): x i R, i {1,2,...,n} },

R n = {(x 1, x 2,..., x n ): x i R, i {1,2,...,n} }, nazywa- Definicja 1. Przestrzenią liniową R n my zbiór wektorów R n = {(x 1, x 2,..., x n ): x i R, i {1,2,...,n} }, z określonymi działaniami dodawania wektorów i mnożenia wektorów przez liczby rzeczywiste.

Bardziej szczegółowo

Wyk lad 14 Formy kwadratowe I

Wyk lad 14 Formy kwadratowe I Wyk lad 14 Formy kwadratowe I Wielomian n-zmiennych x 1,, x n postaci n a ij x i x j, (1) gdzie a ij R oraz a ij = a ji dla wszystkich i, j = 1,, n nazywamy forma kwadratowa n-zmiennych Forme (1) można

Bardziej szczegółowo

Logika matematyczna i teoria mnogości (I) J. de Lucas

Logika matematyczna i teoria mnogości (I) J. de Lucas Logika matematyczna i teoria mnogości (I) J. de Lucas Ćwiczenie 1. (Zad. L. Newelskiego) Niech p oznacza zdanie Ala je, zaś q zdanie As wyje. Zapisz jako formu ly rachunku zdań nastȩpuj ace zdania: 1.1.

Bardziej szczegółowo

Wykład 4 Udowodnimy teraz, że jeśli U, W są podprzetrzeniami skończenie wymiarowej przestrzeni V to zachodzi wzór: dim(u + W ) = dim U + dim W dim(u

Wykład 4 Udowodnimy teraz, że jeśli U, W są podprzetrzeniami skończenie wymiarowej przestrzeni V to zachodzi wzór: dim(u + W ) = dim U + dim W dim(u Wykład 4 Udowodnimy teraz, że jeśli U, W są podprzetrzeniami skończenie wymiarowej przestrzeni V to zachodzi wzór: dim(u + W ) = dim U + dim W dim(u W ) Rzeczywiście U W jest podprzetrzenią przestrzeni

Bardziej szczegółowo

14. Przestrzenie liniowe

14. Przestrzenie liniowe 14. 14.1 Sformułować definicję przestrzeni liniowej. Podać przykłady. Przestrzenią liniową nad ciałem F nazywamy czwórkę uporządkowaną (V, F,+, ), gdzie V jest zbiorem niepustym, F jest ciałem, + jest

Bardziej szczegółowo

y 1 y 2 = f 2 (t, y 1, y 2,..., y n )... y n = f n (t, y 1, y 2,..., y n ) f 1 (t, y 1, y 2,..., y n ) y = f(t, y),, f(t, y) =

y 1 y 2 = f 2 (t, y 1, y 2,..., y n )... y n = f n (t, y 1, y 2,..., y n ) f 1 (t, y 1, y 2,..., y n ) y = f(t, y),, f(t, y) = Uk lady równań różniczkowych Pojȩcia wsȩpne Uk ladem równań różniczkowych nazywamy uk lad posaci y = f (, y, y 2,, y n ) y 2 = f 2 (, y, y 2,, y n ) y n = f n (, y, y 2,, y n ) () funkcje f j, j =, 2,,

Bardziej szczegółowo

POCHODNA KIERUNKOWA. DEFINICJA Jeśli istnieje granica lim. to granica ta nazywa siȩ pochodn a kierunkow a funkcji f(m) w kierunku osi l i oznaczamy

POCHODNA KIERUNKOWA. DEFINICJA Jeśli istnieje granica lim. to granica ta nazywa siȩ pochodn a kierunkow a funkcji f(m) w kierunku osi l i oznaczamy POCHODNA KIERUNKOWA Pochodne cz astkowe funkcji f(m) = f(x, y, z) wzglȩdem x, wzglȩdem y i wzglȩdem z wyrażaj a prȩdkość zmiany funkcji w kierunku osi wspó lrzȩdnych; np. f x jest prȩdkości a zmiany funkcji

Bardziej szczegółowo

Sterowanie optymalne dla uk ladów nieliniowych. Zasada maksimum Pontriagina.

Sterowanie optymalne dla uk ladów nieliniowych. Zasada maksimum Pontriagina. Sterowanie optymalne dla uk ladów nieliniowych. Zasada maksimum Pontriagina. Podstawowy problem sterowania optymalnego dla uk ladów nieliniowych W podstawowym problemie sterowania optymalnego minimalizacji

Bardziej szczegółowo

Rozdzia l 1. Podstawowe elementy teorii krat

Rozdzia l 1. Podstawowe elementy teorii krat Rozdzia l 1. Podstawowe elementy teorii krat 1. Zbiory czȩściowo uporz adkowane Definicja. Relacjȩ binarn a określon a na zbiorze A nazywamy relacj a czȩściowo porz adkuj ac a, gdy jest zwrotna, antysymetryczna

Bardziej szczegółowo

MATEMATYKA W SZKOLE HELIANTUS LICZBY NATURALNE I CA LKOWITE

MATEMATYKA W SZKOLE HELIANTUS LICZBY NATURALNE I CA LKOWITE 1 SZKO LA PODSTAWOWA HELIANTUS 0-89 WARSZAWA ul. BAŻANCIA 16 3 1 0 1 3 Oś liczbowa. Liczby ca lkowite x MATEMATYKA W SZKOLE HELIANTUS LICZBY NATURALNE I CA LKOWITE Prof. dr. Tadeusz STYŠ WARSZAWA 018 1

Bardziej szczegółowo

RACHUNEK OPERATOROWY MIKUSIŃSKIEGO I JEGO ZASTOSOWANIE DO RÓWNAŃ

RACHUNEK OPERATOROWY MIKUSIŃSKIEGO I JEGO ZASTOSOWANIE DO RÓWNAŃ RACHUNEK OPERATOROWY MIKUSIŃSKIEGO I JEGO ZASTOSOWANIE DO RÓWNAŃ RÓŻNICZKOWYCH Tomasz Kochanek 1 Twierdzenie Titchmarsha Symbolem C[, ) oznaczać bedziemy przestrzeń wszystkich zespolonych funkcji ciag

Bardziej szczegółowo

Zadania z Rachunku Prawdopodobieństwa - 12

Zadania z Rachunku Prawdopodobieństwa - 12 Zadania z Rachunku Prawdopodobieństwa - 12 1. Udowodnij, że dla dowolnych punktów x n, x w przestrzeni metrycznej E δ xn δ x wtedy i tylko wtedy gdy x n x. 2. Wykaż, że 1 n n k=1 δ k/n λ, gdzie λ jest

Bardziej szczegółowo

Liczby naturalne i ca lkowite

Liczby naturalne i ca lkowite Chapter 1 Liczby naturalne i ca lkowite Koncepcja liczb naturalnych i proste operacje arytmetyczne by ly znane już od oko lo 50000 tysiȩcy lat temu. To wiemy na podstawie archeologicznych i historycznych

Bardziej szczegółowo

FUNKCJE LICZBOWE. x 1

FUNKCJE LICZBOWE. x 1 FUNKCJE LICZBOWE Zbiory postaci {x R: x a}, {x R: x a}, {x R: x < a}, {x R: x > a} oznaczane sa symbolami (,a], [a, ), (,a) i (a, ). Nazywamy pó lprostymi domknie tymi lub otwartymi o końcu a. Symbol odczytujemy

Bardziej szczegółowo

9 Przekształcenia liniowe

9 Przekształcenia liniowe 9 Przekształcenia liniowe Definicja 9.1. Niech V oraz W będą przestrzeniami liniowymi nad tym samym ciałem F. Przekształceniem liniowym nazywamy funkcję ϕ : V W spełniającą warunek (LM) v1,v 2 V a1,a 2

Bardziej szczegółowo

Wyk lad 4 Dzia lania na macierzach. Określenie wyznacznika

Wyk lad 4 Dzia lania na macierzach. Określenie wyznacznika Wyk lad 4 Dzia lania na macierzach Określenie wyznacznika 1 Określenie macierzy Niech K bedzie dowolnym cia lem oraz niech n i m bed a dowolnymi liczbami naturalnymi Prostokatn a tablice a 11 a 12 a 1n

Bardziej szczegółowo

Funkcje wielu zmiennych

Funkcje wielu zmiennych Funkcje wielu zmiennych Zbiory na p laszczyźnie Przestrzeni a dwuwymiarow a (p laszczyzn a) nazywamy zbiór wszystkich par uporz adkowanych (x, y), gdzie x, y R. Przestrzeń tȩ oznaczamy symbolem R 2 : R

Bardziej szczegółowo

Metody Numeryczne Wykład 4 Wykład 5. Interpolacja wielomianowa

Metody Numeryczne Wykład 4 Wykład 5. Interpolacja wielomianowa Sformułowanie zadania interpolacji Metody Numeryczne Wykład 4 Wykład 5 Interpolacja wielomianowa Niech D R i niech F bȩdzie pewnym zbiorem funkcji f : D R. Niech x 0, x 1,..., x n bȩdzie ustalonym zbiorem

Bardziej szczegółowo

Algebra liniowa z geometrią

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

Bardziej szczegółowo

Rozdział 6. Ciągłość. 6.1 Granica funkcji

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

Bardziej szczegółowo

Wersja testu D 14 września 2011 r. 1. Czy prawda jest, że a) x Z y Z y 2 = 2 ; b) x Z y Z x 2 = 1 ; c) x Z y Z x 2 = 2 ; d) x Z y Z y 2 = 1?

Wersja testu D 14 września 2011 r. 1. Czy prawda jest, że a) x Z y Z y 2 = 2 ; b) x Z y Z x 2 = 1 ; c) x Z y Z x 2 = 2 ; d) x Z y Z y 2 = 1? 1. Czy prawda jest, że a) x Z y Z y 2 = 2 ; b) x Z y Z x 2 = 1 ; c) x Z y Z x 2 = 2 ; d) x Z y Z y 2 = 1? 2. Czy prawda jest, że a) 5 8 1 jest podzielne przez 4 ; b) 5 7 1 jest podzielne przez 4 ; c) 3

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Indeks odwzorowania zmiennej zespolonej wzgl. krzywej zamknietej

Indeks odwzorowania zmiennej zespolonej wzgl. krzywej zamknietej Indeks odwzorowania zmiennej zespolonej wzgl edem krzywej zamkni etej 1. Liczby zespolone - konstrukcja Hamiltona 2. Homotopia odwzorowań na okr egu 3. Indeks odwzorowania ciag lego wzgledem krzywej zamknietej

Bardziej szczegółowo

Analiza Funkcjonalna - Zadania

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

Bardziej szczegółowo

7 Twierdzenie Fubiniego

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

Bardziej szczegółowo

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

F t+ := s>t. F s = F t. M. Beśka, Całka Stochastyczna, wykład 1 1 1 Wiadomości wstępne 1.1 Przestrzeń probabilistyczna z filtracją Niech (Ω, F, P ) będzie ustaloną przestrzenią probabilistyczną i niech F = {F t } t 0 będzie rodziną

Bardziej szczegółowo

Zestaw nr 6 Pochodna funkcji jednej zmiennej. Styczna do krzywej. Elastyczność funkcji. Regu la de l Hospitala

Zestaw nr 6 Pochodna funkcji jednej zmiennej. Styczna do krzywej. Elastyczność funkcji. Regu la de l Hospitala Zestaw nr 6 Pochodna funkcji jednej zmiennej. Styczna do krzywej. Elastyczność funkcji. Regu la de l Hospitala November 12, 2009 Przyk ladowe zadania z rozwi azaniami Zadanie 1. Oblicz pochodne nastȩpuj

Bardziej szczegółowo