System informacyjny a system decyzyjny Relacja nierozróżnialności Klasy abstrakcji Teoria zbiorów przybliżonych Usuwanie niespójności z tablicy
|
|
- Dorota Owczarek
- 6 lat temu
- Przeglądów:
Transkrypt
1 System informacyjny a system decyzyjny Relacja nierozróżnialności Klasy abstrakcji Teoria zbiorów przybliżonych Usuwanie niespójności z tablicy decyzyjnej
2 Metody usuwania niespójności z T 1. Pomoc eksperta: rozsądzenie óra decy jest właściwa. 2. Rozdzielenie niespójnej tablicy na dwie lub więcej oddzielnych, spójnych tablic decyzyjnych. 3. Usunięcie obieów powodujących konfliy (metoda ilościowa) 4. Metoda jakościowa: usunięcie obieów tworzących konfliy 5. Metoda tworzenia nowego atrybutu decyzyjnego (metoda uogólnionego atrybutu decyzyjnego)
3 Metoda jakościowa zień Pogoda (p) Stan kasy (k) Nastrój (n) Aywność (a) 1 Słonecznie użo Wesoły Piłka nożna 2 Pochmurno Mało Smutny Kino 3 Pochmurno użo Wesoły Kino 4 Słonecznie Mało Smutny Spacer 5 Słonecznie Mało Wesoły Piłka nożna 6 Pochmurno Mało Smutny Spacer Przykład: Klasy rozróżnialności dla całego zbioru atr. warunk: U/IN(C) = {(1),(2,6),(3),(4),(5) wa zbiory obieów ze względu na atr. dec. powodują konfli: X 2 ={2,3}; X 3 ={4,6} BX 2 = 3 ; BX 2 = 2,3,6 ; γ B X 2 = 1 6 ; γ B X 2 = 1 2 BX 3 = 4 ; BX 3 = 2,4,6 ; γ B X 3 = 1 2 ; γ B X 3 = 1 6
4 Met. Jakościowa: spójna tablica zień Pogoda (p) Stan kasy (k) Nastrój (n) Aywność (a) 1 Słonecznie użo Wesoły Piłka nożna 2 Pochmurno Mało Smutny Kino 3 Pochmurno użo Wesoły Kino 4 Słonecznie Mało Smutny Spacer 5 Słonecznie Mało Wesoły Piłka nożna
5 Met. uog. atr. decyzyjnego zień Pogoda (p) Stan kasy (k) Nastrój (n) Aywność (a) 1 Słonecznie użo Wesoły Piłka nożna 2 Pochmurno Mało Smutny {Kino, Spacer} 3 Pochmurno użo Wesoły Kino 4 Słonecznie Mało Smutny Spacer 5 Słonecznie Mało Wesoły Piłka nożna 6 Pochmurno Mało Smutny {Kino, Spacer} zień Pogoda (p) Stan kasy (k) Nastrój (n) Aywność (a) 1 Słonecznie użo Wesoły Piłka nożna 2 Pochmurno Mało Smutny {Kino, Spacer} 3 Pochmurno użo Wesoły Kino 4 Słonecznie Mało Smutny Spacer 5 Słonecznie Mało Wesoły Piłka nożna
6 Ćwiczenie Atr1 Atr2 Atr3 Atr4 ecy Tak Tak Nie Tak Tak Nie Nie 1. Czy tablica jest spójna? Jeśli nie jest, usuń niespójność metodą jakościową oraz metodą uogólnionego atrybutu decyzyjnego
7 Macierz nierozróżnialności A B C ecy Tak Tak Nie Tak Tak Nie Nie X Jak odróżniać obiey od siebie: więc macierz jest 7 x 7
8 Macierz nierozróżnialności A B C ecy Tak Tak Nie Tak Tak Nie Nie X jest odróżnialny od 2 tymi samymi atrybutami co 2 od 1. Na przekątnej zawsze są -
9 Macierz nierozróżnialności A B C ecy Tak Tak Nie Tak Tak Nie Nie X C C, - 4 C, C - 5 A,B A,B, A,B,C A,B,C, - A,B,C, 6 A,B,C A,B, A,B C, - 7 A,B,C A,B,C, A,B A,B, C - Wypełniamy dół wpisując atrybuty, óre odróżniają dwa obiey od siebie
10 Ćwiczenia Atr1 Atr2 Atr3 Atr4 ecy 1 A A A A Pass 2 B A A B Fail 3 B A B A Pass 4 B A B B Fail 5 A B A B Pass 6 A B B B Fail 7 B B A B Fail Wyznacz macierze nierozróżnialności. W1 W2 W3 W4 ecy 1 Tak Pod uży Żółty Zdrowy 2 Nie OK uży Biały Zdrowy 3 Tak Pod Mały Biały Chory 4 Nie OK Mały Żółty Chory 5 Tak Pod Mały Czarn y 6 Nie OK uży Czarn y Zdrowy Chory 7 Tak Pod uży Żółty Zdrowy
11 Jądra i reduy Niech SI = {U,A,V, f}będzie systemem informacyjnym orazb A. Atrybut zbędny (niezbędny) Atrybut a B jest zbędny, jeżeli IN(B) = IN(B {a}). W przeciwnym wypadku (tzn. jeżeli IN(B) IN(B {a}) jest niezbędny. Zbiór atrybutów niezależnych (zależnych) A - zbiór atrybutów jest niezależny wtedy i tylko wtedy, gdy dla każdego a A, a jest niezbędny. W przeciwnym wypadku zbiór jest zależny. B A nazywamy reduem A wtedy i tylko wtedy, gdy B jest niezależny oraz IN(B) = IN(A). Zbiór wszystkich reduów oznaczamy przez RE(A). Zbiór wszystkich niezbędnych atrybutów w B będziemy nazywali rdzeniem (jądrem) B i oznaczali przez CORE(B). Powiązanie między reduami i jądrem CORE A = RE A, gdzie RE(A) to zbiór wszystkich reduów B, tzn. jądro atrybutów to przekrój po wszystkich reduach.
12 Jądra i reduy: z macierzy Informacje prayczne: Jądro: to zbiór wszystkich atrybutów występujących pojedynczo. Przecięcie zbioru reduów to jądro. Wynika stąd, że reduów należy poszukiwać tylko spośród zbiorów atrybutów zawierających jądro. Powyższe nie są definicjami!!! efinicji należy nauczyć się z wykładu.
13 Jądro i reduy: z macierzy X C C, - 4 C, C - 5 A,B A,B, A,B,C A,B,C, - A,B,C, 6 A,B,C A,B, A,B C, - 7 A,B,C A,B,C, A,B A,B, C - X={A,B,C,} CORE(X) = {C,} Poszukiwania reduów wśród następujących zbiorów: {C,}, {A,C,}, {B,C,}, {A,B,C,} Poszukiwania rozpoczynamy od najkrótszego zbioru zawierającego jądro.
14 Jądra i reduy: z macierzy X C C, - 4 C, C - 5 A,B A,B, A,B,C A,B,C, - A,B,C, 6 A,B,C A,B, A,B C, - 7 A,B,C A,B,C, A,B A,B, C - CORE(X) = {C,} 1. Utwórz wszystkie podzbiory atrybutów. 2. Wybierz tylko te, óre zawierają jądro: {C,}, {A,C,}, {B,C,}, {A,B,C,} 3. Sprawdź przecięcie tych zbiorów z każdym niepustym elementem macierzy Odpadają: {C,} 4. Usuń nadzbiory (reduy to zbiory minimalne) Usuwam: {A,B,C,} 5. Wynik: RE(X) = {(A,C,), (B,C,)}
15 Ćwiczenia W1 W2 W3 W4 ecy 1 A A A A Pass 2 B A A B Fail 3 B A B A Pass 4 B A B B Fail 5 A B A B Pass 6 A B B B Fail 7 B B A B Fail Wylicz jądra i reduy z macierzy nierozróżnialności. W1 W2 W3 W4 ecy 1 Tak Pod uży Żółty Zdrowy 2 Nie OK uży Biały Zdrowy 3 Tak Pod Mały Biały Chory 4 Nie OK Mały Żółty Chory 5 Tak Pod Mały Czarn y 6 Nie OK uży Czarn y Zdrowy Chory 7 Tak Pod uży Żółty Zdrowy
16 ądra i reduy: z definicji Jądro 1. Wyznacz klasy abstrakcji relacji nierozróżnialności U/IN(B), gdzie B jest to zbiór wszystkich rozważanych atrybutów. 2. Wyznacz klasy abstrakcji z pominięciem i-tego atrybutu U/IN(B {a i } ). 3. Jeżeli U/IN(B) = U/IN(B {a i }) to atrybut a i jest zbędny. W przeciwnym wypadku a i jest niezbędny i wchodzi do jądra CORE(B). 4. Powtarzaj p. 2, aż wykorzystane zostaną wszystkie atrybuty z B. A B C ecy Tak Tak Nie Tak Tak Nie Nie
17 Jądra i reduy: z definicji Reduy 1. Wyznacz klasy abstrakcji U/IN(B), gdzie B jest to zbiór wszystkich rozważanych atrybutów. 2. Sprawdź, czy jądro CORE(B) nie jest reduem. Ponieważ jądro to zbiór atrybutów niezbędnych, to sprawdź, czy U/IN(B) = U/IN(CORE(B)). Jeżeli tak to jądro to jedyny redu i koniec. 3. Jeśli nie, to sprawdź kolejne podzbiory atrybutów B i zbioru B. Sprawdź, czy podzbiór B i jest niezależny. Jeżeli tak, to sprawdź czy U/IN(B) = U/IN(B i ), jeżeli zachodzi równość to podzbiór B i jest reduem. 4. Wypisanie reduów. A B C ecy Tak Tak Nie Tak Tak Nie Nie
Systemy ekspertowe : Tablice decyzyjne
Instytut Informatyki Uniwersytetu Śląskiego 16 marzec 2010 Tablica decyzyjna Klasy nierozróżnialności i klasy decyzyjne Rdzeń Redukt Macierz nierozróżnialności Rdzeń i redukt w macierzy nierozróżnialności
Bardziej szczegółowoSystem informacyjny a system decyzyjny Relacja nierozróżnialności Klasy abstrakcji Teoria zbiorów przybliżonych Usuwanie niespójności z tablicy
System informacyjny a system decyzyjny Relacja nierozróżnialności Klasy abstrakcji Teoria zbiorów przybliżonych Usuwanie niespójności z tablicy decyzyjnej System informacyjny System informacyjny SI zdefiniowany
Bardziej szczegółowoSystemy ekspertowe. Eksploracja danych z wykorzystaniem tablic decyzyjnych i zbiorów przybliżonych. Część trzecia
Część trzecia Autor Roman Simiński Eksploracja danych z wykorzystaniem tablic decyzyjnych i zbiorów przybliżonych Kontakt siminski@us.edu.pl www.us.edu.pl/~siminski Niniejsze opracowanie zawiera skrót
Bardziej szczegółowoWprowadzenie do zbiorów przybliżonych
Instytut Informatyki, Uniwersytet Śląski, ul. Będzinska 39, Sosnowiec, Polska Tel (32) 2 918 381, Fax (32) 2 918 283 Wykład II i III Wstęp Teoria zbiorów przybliżonych została sformułowana przez Zdzisława
Bardziej szczegółowoTeoretyczne podstawy zbiorów przybliżonych
Teoretyczne podstawy zbiorów przybliżonych Agnieszka Nowak 17 kwietnia 2009 1 Podstawy teorii zbiorów przybliżonych 1.1 Wstęp Teoria zbiorów przybliżonych została sformułowana przez Zdzisława Pawlaka w
Bardziej szczegółowoOdkrywanie wiedzy z danych przy użyciu zbiorów przybliżonych. Wykład 3
Odkrywanie wiedzy z danych przy użyciu zbiorów przybliżonych Wykład 3 W internecie Teoria zbiorów przybliżonych zaproponowany w 1982 r. przez prof. Zdzisława Pawlaka formalizm matematyczny, stanowiący
Bardziej szczegółowoSztuczna Inteligencja Projekt
Sztuczna Inteligencja Projekt Temat: Algorytm F-LEM1 Liczba osób realizujących projekt: 2 1. Zaimplementować algorytm F LEM 1. 2. Zaimplementować klasyfikator Classif ier. 3. Za pomocą algorytmu F LEM1
Bardziej szczegółowoTablicowa reprezentacja danych
Wstęp Teoria zbiorów przybliżonych została sformułowana przez Zdzisława Pawlaka w 1982 roku. Jest ona wykorzystywana jako narzędzie do syntezy zaawansowanych i efektywnych metod analizy oraz do redukcji
Bardziej szczegółowoSystemy ekspertowe. Generowanie reguł minimalnych. Część czwarta. Autor Roman Simiński.
Część czwarta Autor Roman Simiński Kontakt siminski@us.edu.pl www.us.edu.pl/~siminski Niniejsze opracowanie zawiera skrót treści wykładu, lektura tych materiałów nie zastąpi uważnego w nim uczestnictwa.
Bardziej szczegółowoSztuczna inteligencja
POLITECHNIKA KRAKOWSKA WIEiK KATEDRA AUTOMATYKI I TECHNIK INFORMACYJNYCH Sztuczna inteligencja www.pk.edu.pl/~zk/si_hp.html Wykładowca: dr inż. Zbigniew Kokosiński zk@pk.edu.pl Wykład 10: Zbiory przybliżone
Bardziej szczegółowo1. Reguły minimalne (optymalne) Podstawowe twierdzenia i definicje. Definicja 1 Funkcję postaci f. nazwiemy n-argumentową funkcją boolowską.
1. Reguły minimalne (optymalne) Podstawowe twierdzenia i definicje Definicja 1 Funkcję postaci f n :{ 0, 1} { 0, 1} nazwiemy n-argumentową funkcją boolowską. Definicja 2 1 2 Term g = x 1 x x ( ϕ ) ( ϕ
Bardziej szczegółowoBazy danych. Plan wykładu. Zależności funkcyjne. Wykład 2: Relacyjny model danych - zależności funkcyjne. Podstawy SQL.
Plan wykładu Bazy danych Wykład 2: Relacyjny model danych - zależności funkcyjne. Podstawy SQL. Deficja zależności funkcyjnych Klucze relacji Reguły dotyczące zależności funkcyjnych Domknięcie zbioru atrybutów
Bardziej szczegółowoZbiory przybliżone w obszarze systemów ekspertowych
Zbiory przybliżone w obszarze systemów ekspertowych Agnieszka Nowak Institute of Computer Science, University of Silesia Bȩdzińska 39, 41 200 Sosnowiec, Poland e-mail: nowak@us.edu.pl 1 Wprowadzenie Okres
Bardziej szczegółowoB jest globalnym pokryciem zbioru {d} wtedy i tylko wtedy, gdy {d} zależy od B i nie istnieje B T takie, że {d} zależy od B ;
Algorytm LEM1 Oznaczenia i definicje: U - uniwersum, tj. zbiór obiektów; A - zbiór atrybutów warunkowych; d - atrybut decyzyjny; IND(B) = {(x, y) U U : a B a(x) = a(y)} - relacja nierozróżnialności, tj.
Bardziej szczegółowo1 Zbiory. 1.1 Kiedy {a} = {b, c}? (tzn. podać warunki na a, b i c) 1.2 Udowodnić, że A {A} A =.
1 Zbiory 1.1 Kiedy {a} = {b, c}? (tzn. podać warunki na a, b i c) 1.2 Udowodnić, że A {A} A =. 1.3 Pokazać, że jeśli A, B oraz (A B) (B A) = C C, to A = B = C. 1.4 Niech {X t } będzie rodziną niepustych
Bardziej szczegółowodomykanie relacji, relacja równoważności, rozkłady zbiorów
1 of 8 2012-03-28 17:45 Logika i teoria mnogości/wykład 5: Para uporządkowana iloczyn kartezjański relacje domykanie relacji relacja równoważności rozkłady zbiorów From Studia Informatyczne < Logika i
Bardziej szczegółowo1 Macierze i wyznaczniki
1 Macierze i wyznaczniki 11 Definicje, twierdzenia, wzory 1 Macierzą rzeczywistą (zespoloną) wymiaru m n, gdzie m N oraz n N, nazywamy prostokątną tablicę złożoną z mn liczb rzeczywistych (zespolonych)
Bardziej szczegółowoO MACIERZACH I UKŁADACH RÓWNAŃ
O MACIERZACH I UKŁADACH RÓWNAŃ Problem Jak rozwiązać podany układ równań? 2x + 5y 8z = 8 4x + 3y z = 2x + 3y 5z = 7 x + 8y 7z = Definicja Równanie postaci a x + a 2 x 2 + + a n x n = b gdzie a, a 2, a
Bardziej szczegółowoTechnologie baz danych
Plan wykładu Technologie baz danych Wykład 2: Relacyjny model danych - zależności funkcyjne. SQL - podstawy Definicja zależności funkcyjnych Reguły dotyczące zależności funkcyjnych Domknięcie zbioru atrybutów
Bardziej szczegółowoWSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LAB IV ZBIORY PRZYBLIŻONE I ODKRYWANIE REGUŁ DECYZYJNYCH
WSOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LAB IV ZBIORY RZYBLIŻONE I ODKRYWANIE REGUŁ DECYZYJNYCH 1. Definicje Zbiory, które nie są zbiorami definiowalnymi, są nazywane zbiorami przybliżonymi. Zbiory definiowalne
Bardziej szczegółowoMatematyka dyskretna. 1. Relacje
Matematyka dyskretna 1. Relacje Definicja 1.1 Relacją dwuargumentową nazywamy podzbiór produktu kartezjańskiego X Y, którego elementami są pary uporządkowane (x, y), takie, że x X i y Y. Uwaga 1.1 Jeśli
Bardziej szczegółowoAlgebra zbiorów. Materiały pomocnicze do wykładu. przedmiot: Matematyka Dyskretna 1 wykładowca: dr Magdalena Kacprzak
Algebra zbiorów Materiały pomocnicze do wykładu uczelnia: PJWSTK przedmiot: Matematyka Dyskretna 1 wykładowca: dr Magdalena Kacprzak Teoria mnogości Teoria mnogości jest działem matematyki zajmującym się
Bardziej szczegółowoRELACJE I ODWZOROWANIA
RELACJE I ODWZOROWANIA Definicja. Dwuargumentową relacją określoną w iloczynie kartezjańskim X Y, X Y nazywamy uporządkowaną trójkę R = ( X, grr, Y ), gdzie grr X Y. Zbiór X nazywamy naddziedziną relacji.
Bardziej szczegółowoR 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 szczegółowoZależności funkcyjne
Zależności funkcyjne Plan wykładu Pojęcie zależności funkcyjnej Dopełnienie zbioru zależności funkcyjnych Postać minimalna zbioru zależności funkcyjnych Domknięcie atrybutu relacji względem zależności
Bardziej szczegółowo1 Działania na zbiorach
M. Beśka, Wstęp do teorii miary, rozdz. 1 1 1 Działania na zbiorach W rozdziale tym przypomnimy podstawowe działania na zbiorach koncentrując się na własnościach tych działań, które będą przydatne w dalszej
Bardziej szczegółowoBazy danych. Andrzej Grzybowski. Instytut Fizyki, Uniwersytet Śląski
Bazy danych Andrzej Grzybowski Instytut Fizyki, Uniwersytet Śląski Wykład 2 Podstawy integralności w relacyjnym modelu baz danych Bazy danych. Wykład 2 2 Integralność relacyjnych baz danych Schemat relacji
Bardziej szczegółowo1.1 Definicja. 1.2 Przykład. 1.3 Definicja. Niech G oznacza dowolny, niepusty zbiór.
20. Definicje i przykłady podstawowych struktur algebraicznych (grupy, pierścienie, ciała, przestrzenie liniowe). Pojęcia dotyczące przestrzeni liniowych (liniowa zależność i niezależność układu wektorów,
Bardziej szczegółowoRozważmy funkcję f : X Y. Dla dowolnego zbioru A X określamy. Dla dowolnego zbioru B Y określamy jego przeciwobraz:
Rozważmy funkcję f : X Y. Dla dowolnego zbioru A X określamy jego obraz: f(a) = {f(x); x A} = {y Y : x A f(x) = y}. Dla dowolnego zbioru B Y określamy jego przeciwobraz: f 1 (B) = {x X; f(x) B}. 1 Zadanie.
Bardziej szczegółowoMatematyka dyskretna. Andrzej Łachwa, UJ, /14
Matematyka dyskretna Andrzej Łachwa, UJ, 2016 andrzej.lachwa@uj.edu.pl 13/14 Grafy podstawowe definicje Graf to para G=(V, E), gdzie V to niepusty i skończony zbiór, którego elementy nazywamy wierzchołkami
Bardziej szczegółowoKombinatoryka. Jerzy Rutkowski. Teoria. P n = n!. (1) Zadania obowiązkowe
Kombinatoryka Jerzy Rutkowski 2. Elementy kombinatoryki 2.1. Permutacje Definicja 1. Niech n N. Permutacją n-elementowego zbioru A nazywamy dowolną funkcję różnowartościową f : {1,..., n} A. Innymi słowy:
Bardziej szczegółowomacierze jednostkowe (identyczności) macierze diagonalne, które na przekątnej mają same
1 Macierz definicja i zapis Macierzą wymiaru m na n nazywamy tabelę a 11 a 1n A = a m1 a mn złożoną z liczb (rzeczywistych lub zespolonych) o m wierszach i n kolumnach (zamiennie będziemy też czasem mówili,
Bardziej szczegółowoSztuczna Inteligencja Projekt
Sztuczna Inteligencja Projekt Temat: Algorytm LEM2 Liczba osób realizujących projekt: 2 1. Zaimplementować algorytm LEM 2. 2. Zaimplementować klasyfikator Classif ier. 3. Za pomocą algorytmu LEM 2 wygenerować
Bardziej szczegółowoRelacje. opracował Maciej Grzesiak. 17 października 2011
Relacje opracował Maciej Grzesiak 17 października 2011 1 Podstawowe definicje Niech dany będzie zbiór X. X n oznacza n-tą potęgę kartezjańską zbioru X, tzn zbiór X X X = {(x 1, x 2,..., x n ) : x k X dla
Bardziej szczegółowoMatematyka dyskretna. Andrzej Łachwa, UJ, /14
Matematyka dyskretna Andrzej Łachwa, UJ, 2012 andrzej.lachwa@uj.edu.pl 13/14 Grafy podstawowe definicje Graf to para G=(V, E), gdzie V to niepusty i skończony zbiór, którego elementy nazywamy wierzchołkami
Bardziej szczegółowoEkoenergetyka Matematyka 1. Wykład 3.
Ekoenergetyka Matematyka Wykład 3 MACIERZE Macierzą wymiaru n m, gdzie nm, nazywamy prostokątną tablicę złożoną z n wierszy i m kolumn: a a2 a j am a2 a22 a2 j a2m [ a ] nm A ai ai 2 a aim - i-ty wiersz
Bardziej szczegółowoGranular Computing 9999 pages 15 METODY SZTUCZNEJ INTELIGENCJI - PROJEKTY
Granular Computing 9999 pages 15 METODY SZTUCZNEJ INTELIGENCJI - PROJEKTY PB 2 PB 1 Projekt z wyznaczania reduktów zbioru Liczba osób realizuj cych projekt: 1-2 osoby 1. Wczytanie danych w formatach arf,
Bardziej szczegółowoIVa. Relacje - abstrakcyjne własności
IVa. Relacje - abstrakcyjne własności Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie rzegorz Kosiorowski (Uniwersytet Ekonomiczny wiva. Krakowie) Relacje - abstrakcyjne własności 1 / 22 1 Zwrotność
Bardziej szczegółowoPojęcie zależności funkcyjnej
Postacie normalne Plan wykładu Zależności funkcyjne Cel normalizacji Pierwsza postać normalna Druga postać normalna Trzecia postać normalna Postać normalna Boyca - Codda Pojęcie zależności funkcyjnej Definicja
Bardziej szczegółowoWykład 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 szczegółowoFUNKCJA I JEJ WŁASNOŚCI
FUNKCJA I JEJ WŁASNOŚCI Niech i oznaczają dwa dowolne niepuste zbiory. DEFINICJA (odwzorowanie zbioru (funkcja)) Odwzorowaniem zbioru w zbiór nazywamy przyporządkowanie każdemu elementowi zbioru dokładnie
Bardziej szczegółowoWyznaczniki. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 6. Wykład z algebry liniowej Warszawa, listopad 2013
Wyznaczniki Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 6. Wykład z algebry liniowej Warszawa, listopad 2013 Mirosław Sobolewski (UW) Warszawa, listopad 2013 1 / 13 Terminologia
Bardziej szczegółowoProgramowanie liniowe
Programowanie liniowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW wykład z algebry liniowej Warszawa, styczeń 2010 Mirosław Sobolewski (UW) Warszawa, 2009 1 / 15 Homo oeconomicus=
Bardziej szczegółowoDrzewa spinające MST dla grafów ważonych Maksymalne drzewo spinające Drzewo Steinera. Wykład 6. Drzewa cz. II
Wykład 6. Drzewa cz. II 1 / 65 drzewa spinające Drzewa spinające Zliczanie drzew spinających Drzewo T nazywamy drzewem rozpinającym (spinającym) (lub dendrytem) spójnego grafu G, jeżeli jest podgrafem
Bardziej szczegółowoProgramowanie liniowe
Programowanie liniowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW wykład z algebry liniowej Warszawa, styczeń 2015 Mirosław Sobolewski (UW) Warszawa, 2015 1 / 16 Homo oeconomicus=
Bardziej szczegółowoMatematyka dyskretna. Andrzej Łachwa, UJ, /15
Matematyka dyskretna Andrzej Łachwa, UJ, 2013 andrzej.lachwa@uj.edu.pl 14/15 Grafy podstawowe definicje Graf to para G=(V, E), gdzie V to niepusty i skończony zbiór, którego elementy nazywamy wierzchołkami
Bardziej szczegółowoBaza w jądrze i baza obrazu ( )
Przykład Baza w jądrze i baza obrazu (839) Znajdź bazy jądra i obrazu odwzorowania α : R 4 R 3, gdzie α(x, y, z, t) = (x + 2z + t, 2x + y 3z 5t, x y + z + 4t) () zór ten oznacza, że α jest odwzorowaniem
Bardziej szczegółowoGrupa klas odwzorowań powierzchni
Grupa klas odwzorowań powierzchni Błażej Szepietowski Uniwersytet Gdański Horyzonty matematyki 2014 Błażej Szepietowski (UG) Grupa klas odwzorowań Horyzonty matematyki 2014 1 / 36 Grupa klas odwzorowań
Bardziej szczegółowoMatematyka dyskretna. Andrzej Łachwa, UJ, B/14
Matematyka dyskretna Andrzej Łachwa, UJ, 2019 andrzej.lachwa@uj.edu.pl 2B/14 Relacje Pojęcia: relacja czyli relacja dwuargumentowa relacja w zbiorze A relacja n-argumentowa Relacja E = {(x, x): x S} jest
Bardziej szczegółowo1 Określenie pierścienia
1 Określenie pierścienia Definicja 1. Niech P będzie zbiorem, w którym określone są działania +, (dodawanie i mnożenie). Mówimy, że struktura (P, +, ) jest pierścieniem, jeżeli spełnione są następujące
Bardziej szczegółowoTadeusz Pankowski www.put.poznan.pl/~tadeusz.pankowski. Definicja. Definicja
Plan Zależności funkcyjne 1. Zależności funkcyjne jako klasa ograniczeń semantycznych odwzorowywanego świata rzeczywistego. 2. Schematy relacyjne = typ relacji + zależności funkcyjne. 3. Rozkładalność
Bardziej szczegółowoGrzegorz Bobiński. Wykład monograficzny Programowanie Liniowe i Całkowitoliczbowe
Grzegorz Bobiński Wykład monograficzny Programowanie Liniowe i Całkowitoliczbowe Wydział Matematyki i Informatyki Uniwersytet Mikołaja Kopernika w Toruniu 2012 Spis treści Notacja 1 1 Podstawowe pojęcia
Bardziej szczegółowoPrzekształcenia liniowe
Przekształcenia liniowe Zadania Które z następujących przekształceń są liniowe? (a) T : R 2 R 2, T (x, x 2 ) = (2x, x x 2 ), (b) T : R 2 R 2, T (x, x 2 ) = (x + 3x 2, x 2 ), (c) T : R 2 R, T (x, x 2 )
Bardziej szczegółowoZastosowania wyznaczników
Zastosowania wyznaczników Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 7.wykład z algebry liniowej Warszawa, listopad 2012 Mirosław Sobolewski (UW) Warszawa, listopad 2012 1 / 17
Bardziej szczegółowoMatematyka dyskretna
Matematyka dyskretna Wykład 13: Teoria Grafów Gniewomir Sarbicki Literatura R.J. Wilson Wprowadzenie do teorii grafów Definicja: Grafem (skończonym, nieskierowanym) G nazywamy parę zbiorów (V (G), E(G)),
Bardziej szczegółowoIndukcja matematyczna, zasada minimum i maksimum. 17 lutego 2017
Indukcja matematyczna, zasada minimum i maksimum 17 lutego 2017 Liczby naturalne - Aksjomatyka Peano (bez zera) Aksjomatyka liczb naturalnych N jest nazwą zbioru liczb naturalnych, 1 jest nazwą elementu
Bardziej szczegółowoDiagonalizacja macierzy i jej zastosowania
Diagonalizacja macierzy i jej zastosowania Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 9. wykład z algebry liniowej Warszawa, listopad 29 Mirosław Sobolewski (UW) Warszawa, wrzesień
Bardziej szczegółowoZadania z algebry liniowej - sem. I Struktury algebraiczne
Zadania z algebry liniowej - sem. I Struktury algebraiczne Definicja 1. Działaniem dwuargumentowym w niepustym zbiorze A nazywamy każdą funkcję : A A A, tzn. taką funkcję, że zachodzi a,b A (a, b) ((a,
Bardziej szczegółowoa 11 a a 1n a 21 a a 2n... a m1 a m2... a mn x 1 x 2... x m ...
Wykład 15 Układy równań liniowych Niech K będzie ciałem i niech α 1, α 2,, α n, β K. Równanie: α 1 x 1 + α 2 x 2 + + α n x n = β z niewiadomymi x 1, x 2,, x n nazywamy równaniem liniowym. Układ: a 21 x
Bardziej szczegółowojest 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 szczegółowoPytania i polecenia podstawowe
Pytania i polecenia podstawowe Liczby zespolone a) 2 i 1 + 2i 1 + 2i 3 + 4i, c) 1 i 2 + i a) 4 + 3i (2 i) 2, c) 1 3i a) i 111 (1 + i) 100, c) ( 3 i) 100 Czy dla dowolnych liczb z 1, z 2 C zachodzi równość:
Bardziej szczegółowoMatematyka II. Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr letni 2018/2019 wykład 13 (27 maja)
Matematyka II Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr letni 208/209 wykład 3 (27 maja) Całki niewłaściwe przedział nieograniczony Rozpatrujemy funkcje ciągłe określone na zbiorach < a, ),
Bardziej szczegółowoAlgebra WYKŁAD 3 ALGEBRA 1
Algebra WYKŁAD 3 ALGEBRA 1 Liczby zespolone Postać wykładnicza liczby zespolonej Niech e oznacza stałą Eulera Definicja Równość e i cos isin nazywamy wzorem Eulera. ALGEBRA 2 Liczby zespolone Każdą liczbę
Bardziej szczegółowoZasada indukcji matematycznej
Zasada indukcji matematycznej Twierdzenie 1 (Zasada indukcji matematycznej). Niech ϕ(n) będzie formą zdaniową zmiennej n N 0. Załóżmy, że istnieje n 0 N 0 takie, że 1. ϕ(n 0 ) jest zdaniem prawdziwym,.
Bardziej szczegółowoRozdział 5. Macierze. a 11 a a 1m a 21 a a 2m... a n1 a n2... a nm
Rozdział 5 Macierze Funkcję, która każdej parze liczb naturalnych (i,j) (i = 1,,n;j = 1,,m) przyporządkowuje dokładnie jedną liczbę a ij F, gdzie F = R lub F = C, nazywamy macierzą (rzeczywistą, gdy F
Bardziej szczegółowo1. ODPOWIEDZI DO ZADAŃ TESTOWYCH
R O Z W I A Z A N I A 1. ODPOWIEDZI DO ZADAŃ TESTOWYCH 1. Dla dowolnych zbiorów A, B, C zachodzi równość (A B) (B C) (C A) = (A B C) (A B C), A (B C) = (A B) (A C), A (B C) = (A B) (A C). 2. Wyrażenie
Bardziej szczegółowoALGEBRA LINIOWA. Wykład 2. Analityka gospodarcza, sem. 1. Wydział Zarządzania i Ekonomii Politechnika Gdańska
ALGEBRA LINIOWA Wykład 2 Analityka gospodarcza, sem 1 Wydział Zarządzania i Ekonomii Politechnika Gdańska dr inż Natalia Jarzębkowska, CNMiKnO semzimowy 2018/2019 2/17 Macierze Niech M = {1, 2,, m} i N
Bardziej szczegółowoAnaliza 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 szczegółowoAnaliza matematyczna 1 - test egzaminacyjny wersja do ćwiczeń
Analiza matematyczna 1 - test egzaminacyjny wersja do ćwiczeń Leszek Skrzypczak 1. Niech E = {x [0, 1] : x = k 2 n k = 1, 2,... 2 n, n = 1, 2, 3,...} Wówczas: (a) Dla dowolnych liczb wymiernych p, q [0,
Bardziej szczegółowoInformacja 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 szczegółowoKlasyfikator. ˆp(k x) = 1 K. I(ρ(x,x i ) ρ(x,x (K) ))I(y i =k),k =1,...,L,
Klasyfikator Jedną z najistotniejszych nieparametrycznych metod klasyfikacji jest metoda K-najbliższych sąsiadów, oznaczana przez K-NN. W metodzie tej zaliczamy rozpoznawany obiekt do tej klasy, do której
Bardziej szczegółowoPodstawowe własności grafów. Wykład 3. Własności grafów
Wykład 3. Własności grafów 1 / 87 Suma grafów Niech będą dane grafy proste G 1 = (V 1, E 1) oraz G 2 = (V 2, E 2). 2 / 87 Suma grafów Niech będą dane grafy proste G 1 = (V 1, E 1) oraz G 2 = (V 2, E 2).
Bardziej szczegółowoRelacje i relacje równoważności. Materiały pomocnicze do wykładu. przedmiot: Matematyka Dyskretna 1 wykładowca: dr Magdalena Kacprzak
Relacje i relacje równoważności Materiały pomocnicze do wykładu uczelnia: PJWSTK przedmiot: Matematyka Dyskretna 1 wykładowca: dr Magdalena Kacprzak Zbiór i iloczyn kartezjański Pojęcie zbioru Zbiór jest
Bardziej szczegółowoMacierze. Rozdział Działania na macierzach
Rozdział 5 Macierze Funkcję, która każdej parze liczb naturalnych (i, j) (i 1,..., n; j 1,..., m) przyporządkowuje dokładnie jedną liczbę a ij F, gdzie F R lub F C, nazywamy macierzą (rzeczywistą, gdy
Bardziej szczegółowoTeoria ciała stałego Cz. I
Teoria ciała stałego Cz. I 1. Elementy teorii grup Grupy symetrii def. Grupy Zbiór (skończony lub nieskończony) elementów {g} tworzy grupę gdy: - zdefiniowana operacja mnożenia (złożenia) g 1 g 2 = g 3
Bardziej szczegółowoZadania egzaminacyjne
Rozdział 13 Zadania egzaminacyjne Egzamin z algebry liniowej AiR termin I 03022011 Zadanie 1 Wyznacz sumę rozwiązań równania: (8z + 1 i 2 2 7 iz 4 = 0 Zadanie 2 Niech u 0 = (1, 2, 1 Rozważmy odwzorowanie
Bardziej szczegółowoTopologia - Zadanie do opracowania. Wioletta Osuch, Magdalena Żelazna, Piotr Kopyrski
Topologia - Zadanie do opracowania Wioletta Osuch, Magdalena Żelazna, Piotr Kopyrski 5 grudnia 2013 Zadanie 1. (Topologie na płaszczyźnie) Na płaszczyźnie R 2 rozważmy następujące topologie: a) Euklidesową
Bardziej szczegółowoSystemy uczące się wykład 2
Systemy uczące się wykład 2 dr Przemysław Juszczuk Katedra Inżynierii Wiedzy, Uniwersytet Ekonomiczny 19 X 2018 Podstawowe definicje Fakt; Przesłanka; Konkluzja; Reguła; Wnioskowanie. Typy wnioskowania
Bardziej szczegółowo1 Zbiory i działania na zbiorach.
Matematyka notatki do wykładu 1 Zbiory i działania na zbiorach Pojęcie zbioru jest to pojęcie pierwotne (nie definiuje się tego pojęcia) Pojęciami pierwotnymi są: element zbioru i przynależność elementu
Bardziej szczegółowoDiagnozowanie sieci komputerowej na podstawie opinii diagnostycznych o poszczególnych komputerach sieci
Diagnozowanie sieci komputerowej na podstawie opinii diagnostycznych o poszczególnych komputerach sieci Diagnozowanie systemu, w tym przypadku, pojmowane jest jako metoda określania stanu niezawodnościowego
Bardziej szczegółowoZestaw zadań 5: Sumy i sumy proste podprzestrzeni. Baza i wymiar. Rzędy macierzy. Struktura zbioru rozwiązań układu równań.
Zestaw zadań : Sumy i sumy proste podprzestrzeni Baza i wymiar Rzędy macierzy Struktura zbioru rozwiązań układu równań () Pokazać, że jeśli U = lin(α, α,, α k ), U = lin(β, β,, β l ), to U + U = lin(α,
Bardziej szczegółowoWyk 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 szczegółowoTreści programowe. Matematyka. Efekty kształcenia. Literatura. Terminy wykładów i ćwiczeń. Warunki zaliczenia. tnij.org/ktrabka
Treści programowe Matematyka Katarzyna Trąbka-Więcław Elementy algebry liniowej. Macierze i wyznaczniki. Ciągi liczbowe, granica ciągu i granica funkcji, rachunek granic, wyrażenia nieoznaczone, ciągłość
Bardziej szczegółowoDiagonalizacja macierzy i jej zastosowania
Diagonalizacja macierzy i jej zastosowania Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 9. wykład z algebry liniowej Warszawa, grudzień 2011 Mirosław Sobolewski (UW) Warszawa, grudzień
Bardziej szczegółowoWykład 14. Elementy algebry macierzy
Wykład 14 Elementy algebry macierzy dr Mariusz Grządziel 26 stycznia 2009 Układ równań z dwoma niewiadomymi Rozważmy układ równań z dwoma niewiadomymi: a 11 x + a 12 y = h 1 a 21 x + a 22 y = h 2 a 11,
Bardziej szczegółowo1 Metody rozwiązywania równań nieliniowych. Postawienie problemu
1 Metody rozwiązywania równań nieliniowych. Postawienie problemu Dla danej funkcji ciągłej f znaleźć wartości x, dla których f(x) = 0. (1) 2 Przedział izolacji pierwiastka Będziemy zakładać, że równanie
Bardziej szczegółowo3. Wykład Układy równań liniowych.
31 Układy równań liniowych 3 Wykład 3 Definicja 31 Niech F będzie ciałem Układem m równań liniowych o niewiadomych x 1,, x n, m, n N, o współczynnikach z ciała F nazywamy układ równań postaci: x 1 + +
Bardziej szczegółowoWprowadzenie i pojęcia wstępne.
Wprowadzenie i pojęcia wstępne. X\A a b c x 1 a 1 b 1 c 1 x 2 a 1 b 1 c 2 x 3 a 1 b 2 c 3 x 4 a 2 b 1 c 4 x 5 a 1 b 2 c 1 x 6 a 1 b 2 c 2 x 7 a 1 b 1 c 1 S = X = {x 1,,x 8 } A = {a, b, c}
Bardziej szczegółowoWYŻSZA SZKOŁA INFORMATYKI STOSOWANEJ I ZARZĄDZANIA
DROGI i CYKLE w grafach Dla grafu (nieskierowanego) G = ( V, E ) drogą z wierzchołka v 0 V do v t V nazywamy ciąg (naprzemienny) wierzchołków i krawędzi grafu: ( v 0, e, v, e,..., v t, e t, v t ), spełniający
Bardziej szczegółowoLI Olimpiada Matematyczna Rozwiązania zadań konkursowych zawodów stopnia trzeciego 3 kwietnia 2000 r. (pierwszy dzień zawodów)
LI Olimpiada Matematyczna Rozwiązania zadań konkursowych zawodów stopnia trzeciego 3 kwietnia 2000 r. (pierwszy dzień zawodów) Zadanie 1. Dana jest liczba całkowita n 2. Wyznaczyć liczbę rozwiązań (x 1,x
Bardziej szczegółowoEgzamin z logiki i teorii mnogości, rozwiązania zadań
Egzamin z logiki i teorii mnogości, 08.02.2016 - rozwiązania zadań 1. Niech φ oraz ψ będą formami zdaniowymi. Czy formuła [( x : φ(x)) ( x : ψ(x))] [ x : (φ(x) ψ(x))] jest prawem rachunku kwantyfikatorów?
Bardziej szczegółowoSPÓJNOŚĆ. ,...v k. }, E={v 1. v k. i v k. ,...,v k-1. }. Wierzchołki v 1. v 2. to końce ścieżki.
SPÓJNOŚĆ Graf jest spójny, gdy dla każdego podziału V na dwa rozłączne podzbiory A i B istnieje krawędź z A do B. Definicja równoważna: Graf jest spójny, gdy każde dwa wierzchołki są połączone ścieżką
Bardziej szczegółowoUkłady równań i równania wyższych rzędów
Rozdział Układy równań i równania wyższych rzędów Układy równań różniczkowych zwyczajnych Wprowadzenie W poprzednich paragrafach zajmowaliśmy się równaniami różniczkowymi y = f(x, y), których rozwiązaniem
Bardziej szczegółowo1 Podobieństwo macierzy
GAL (Informatyka) Wykład - zagadnienie własne Wersja z dnia 6 lutego 2014 Paweł Bechler 1 Podobieństwo macierzy Definicja 1 Powiemy, że macierze A, B K n,n są podobne, jeżeli istnieje macierz nieosobliwa
Bardziej szczegółowoAnaliza matematyczna i algebra liniowa Macierze
Analiza matematyczna i algebra liniowa Macierze Wojciech Kotłowski Instytut Informatyki Politechniki Poznańskiej email: imię.nazwisko@cs.put.poznan.pl pok. 2 (CW) tel. (61)665-2936 konsultacje: poniedziałek
Bardziej szczegółowoTeoria miary. Matematyka, rok II. Wykład 1
Teoria miary Matematyka, rok II Wykład 1 NAJBLIŻSZY CEL: Nauczyć się mierzyć wielkość zbiorów. Pierwsze przymiarki: - liczność (moc) zbioru - słabo działa dla zbiorów nieskończonych: czy [0, 1] powinien
Bardziej szczegółowo2. Ilekroć w niniejszym komunikacie jest mowa o kursie ogólnym, rozumie się przez to iloczyn kursów poszczególnych zdarzeń.
MILENIUM ZAKŁADY BUKMACHERSKIE Sp. z o.o. - w sprawie określenia szczegółowego wykazu systemów oraz zakładów prostych i systemowych. 1. 1. Na podstawie 4 ust. 3 Regulaminu internetowych zakładów wzajemnych
Bardziej szczegółowoTemperatura w atmosferze (czy innym ośrodku) jako funkcja dł. i szer. geogr. oraz wysokości.
Własności Odległości i normy w Będziemy się teraz zajmować funkcjami od zmiennych, tzn. określonymi na (iloczyn kartezja/nski egzemplarzy ). Punkt należący do będziemy oznaczać jako Przykł. Wysokość terenu
Bardziej szczegółowoDiagonalizacja macierzy i jej zastosowania
Diagonalizacja macierzy i jej zastosowania Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 9. wykład z algebry liniowej Warszawa, listopad 2012 Mirosław Sobolewski (UW) Warszawa,listopad
Bardziej szczegółowo