REKONSTRUKCJA PRZESTRZENI STANÓW - ROZKŁAD WARTOŚCI OSOBLIWYCH
|
|
- Wacław Piekarski
- 6 lat temu
- Przeglądów:
Transkrypt
1 Katarzyna Zeug REKONSTRUKCJA PRZESTRZENI STANÓW - ROZKŁAD WARTOŚCI OSOBLIWYCH Wstęp Jednym z narządzi matematycznych potrzebnych do opisu szeregów czasowych jest metoda rekonstrukcji. Umożliwia ona rekonstrukcją przestrzeni stanów wielowymiarowych systemów dynamicznych na podstawie jednowymiarowego szeregu obserwacji. Otrzymana w ten sposób przestrzeń będzie w pewnym sensie równoważna z oryginalną przestrzenią. Pod koniec XX w. pojawiły sią prace, w których przedstawiono następujące metody rekonstrukcji: - metodą pochodnych (N.H. Packard), - metodą opóźnień (F. Takens), - metodę rozkładu wartości osobliwych (Broomhead i King). Celem opracowania jest przedstawienie jednej z metod rekonstrukcji przestrzeni stanów - rozkładu wartości osobliwych, i wykorzystanie jej w badaniach ekonomicznych szeregów czasowych. Dane wykorzystane w opracowaniu pochodzą z GPW w Warszawie z okresu ostatnich pięciu lat. Obliczenia przeprowadzono za pomocą programów Statistica oraz pakietu Microsoft Excel. 1. Rozkład wartości osobliwych Metodę rozkładu wartości osobliwych zaproponowali w 1986 r. Broomhead i King. Opiera się ona częściowo na metodzie opóźnień, która została przedstawiona w 1980 r. przez Takensa i uogólniona w 1991 r. przez Sauera. Stosując metodę opóźnień, można skonstruować zbiór d zmiennych za pomocą jednowymiarowego szeregu czasowego x = (.v(t), x(t - 1), x{t - 2),, a (1 )). Zmienne te otrzymuje się przesuwając oryginalny szereg czasowy o stałe opóźnienie r = d r K; r 5 jest czasem próby, w wyniku czego rekonstrukcja przestrzeni stanów wygląda następująco:
2 176 Katarzyna Zeug xd (t) =(*(*),.v(/- r),x(t - 2r),...,x(t - (d - l)r)) xd (t - 1) = (jc(/ - 1),x(t -1 - r),x(t -1-2r),...,,v(r -1 - (d - l)r)) xd(/) = (x (i\x {i - r),x(i - 2r ),...,x (i-(d - l)r)) xd ((d - l)r + 1) = (x((d - l)r + 1),x({d - l)r +1 - r), x({d - l)r +1-2r),...,x(l)) gdzie x d(i), (i = ( r f - l ) r + l,...,/) są elementami d wymiarowej zrekonstruowanej przestrzeni stanów. Takens udowodnił, że dla d > 2m + 1, gdzie m jest wymiarem atraktora, a d jest wymiarem zanurzenia, przestrzeń stanów rozpięta przez zbiór d zmiennych będzie topologicznie równoważna z oryginalną przestrzenią. Stosując metodę rozkładu wartości osobliwych, tworzymy macierz trajektorii X, która zawiera wyżej wymienione wektory xd (/) będące elementami d wymiarowej zrekonstruowanej przestrzeni stanów: Vwf " x = W (2) (1) gdzie N - t - ( d - 1). Macierze X i X T odzwierciedlają kolejno przestrzeń R d i R N, gdzie przestrzeń jest przestrzenią wszystkich cf-elementowych wektorów, a R v definiujemy w podobny sposób Wymiar zrekonstruowanej przestrzeni stanów Nasze rozważania rozpoczną się od wyznaczenia wymiaru przestrzeni d. Aby to wykonać, musimy najpierw znać liczbę wektorów liniowo niezależnych, które są liniowymi kombinacjami xd(/). Załóżmy, że zbiór r, /?'v } jest zbiorem wektorów niezależnych w Rd. Załóżmy również, że wektory te są ortonormalne. Zatem są one częścią bazy ortonormalnej (c,;/ = l,...,ć/} przestrzeni R d. Stąd otrzymujemy następującą równość:
3 REKONSTRUKCJA PRZESTRZENI STANÓW SI X = <T'Cf (3) gdzie {<ri} jest zbiorem stałych rzeczywistych. Z ortonormalności {c(.} wynika następujący warunek: s j X X TSj = a ja j Sjj (4) gdzie: fl dla i = y ij [0 dla i * j Ponieważ macierz A = X X T jest symetryczna, więc jej wektory własne tworzą bazę ortonormalną przestrzeni R,v. Zatem równanie (4) można przedstawić w postaci: As, = u f Sj (5) gdzie {o-,2} jest zbiorem wartości własnych. Należy zwrócić uwagę, że forma X X T jest zdefiniowana nieujemnie, oraz można przyjąć (bez utraty ogólności), że stałe rzeczywiste tr( ) są także nieujemne. Za pomocą równania (2) możemy przedstawić macierz A jako tablicę iloczynów skalarnych wszystkich par punktów przestrzeni R d : A = N x ( Xi x f x2 x [x N XjX, x [x 2.v[ x x (6) Macierz A będziemy nazywać macierzą struktury (structure matrix). Przekształcając równanie (3), otrzymujemy następującą równość: Xci =cxisi (7) gdzie o-, * 0. Mnożąc obustronnie równość (7) przez X T, otrzymujemy: X TXc, = crix Tsi Następnie korzystając z równania (3), dostajemy: He, = aj Ci (8) gdzie Cl = X TX jest symetryczną macierzą nxn, którą można zapisać w postaci:
4 178 Katarzyna Zeug Macierz f i będziemy nazywali macierzą kowariancji (covariance matrix). 1=1 Można zauważyć, że niezerowe własności własne macierzy struktury są równe niczerowym wartościom własnym macierzy kowariancji. Zatem rząd macierzy A jest równy rzędowi macierzy f i : / (a) = r (n ) = d '< d (10) Powyższe rozważania prowadzą do wniosku, że przestrzeń R s można rozłożyć na podprzestrzeń o wymiarze d' i jej ortogonalne dopełnienie. Zatem niech d' -wymiarowa podprzestrzeń będzie rozpięta przez zbiór {j, ; / = 1,...,d '), a jej dopełnienie przez zbiór {s,; i = d '+ 1,..., A }. Można założyć, że d' jest wymiarem przestrzeni zanurzenia. Zauważmy jednak, że macierz X zawiera elementy, które są wyznaczone doświadczalnie, a więc występuje w nich składnik losowy. Zatem informacja na temat wyboru wymiaru zanurzenia nie jest w pełni precyzyjna. W następnej części opracowania podjęto próbę podzielenia macierzy trajektorii na część deterministyczną i stochastyczną Filtracja Rozważmy macierz ortogonalną C, której kolumny są wektorami {c,}, tj. C = (ct,c 2,...,c d ), i macierz diagonalną Z = d ia g {a l, a 2,...,a d ), gdzie er, > cr2 >... > a d > 0. Podstawiając powyższe macierze do równania (8), otrzymujemy: Q C = C L2 (11) Korzystając z definicji macierzy Q, otrzymujemy rozwiniętą postać równania ( 11): {X C )T{XC) = I 2 (12) Zatem możemy przedstawić macierz trajektorii X w postaci rozkładu wartości osobliwych: X - SLCr ( 13)
5 REKONSTRUKCJA PRZESTRZENI STANÓW gdzie S e R w jest macierzą zbudowaną z wektorów własnych macierzy A (w której d' ma niezerowc własności własne); elementy macierzy C i S będziemy nazywać wektorami osobliwymi (singular vectors), a elementy macierzy diagonalnej I (łącznymi) wartościami osobliwymi (associated singular values). Rozważmy teraz jedną z metod filtracji. Polega ona na rozdzieleniu przestrzeni zanurzonej na podprzestrzeń deterministyczną i podprzestrzeń stochastyczną. Niech P i Q, gdzie: będą macierzami w postaci = 5^5jk. Wtedy macierze g = 2 > (,) ( 14) 1=1 P = Y JP (i) (15) spełniają warunek: p + Q = Jd gdzie Id e R d*d jest macierzą jednostkową. Zatem równanie (13) można zapisać: gdzie: X = X + AX (16) X = S P 1 C T (17) jest częścią deterministyczną macierzy trajektorii X, a: AX = S Q 'L C r (18) jest częścią stochastyczną. Powyższy podział macierzy X pozwala na odrzucenie danych, w których występuje szum. Zatem właściwych informacji na temat badanego szeregu dostarcza nam macierz X, którą możemy zapisać w postaci: X = f j {Xci )c f (19) /=/M I
6 180 Katarzyna Zeug 1.3. Wybór czasu opóźnienia Wyznaczenie czasu opóźnień r = d r s jest bardzo istotne w rekonstrukcji przestrzeni stanów. Dlatego też wiele pozycji w literaturze jest poświęconych metodom jego wyboru [1; 8]. Zanim wyznaczymy czas opóźnienia, rozważmy najpierw wybór czasu próby rs. Zauważmy, że dla ustalonego r zwiększanie wartości d przy jednoczesnym zmniejszaniu czasu próby rs generuje dodatkowe wektory osobliwe i odpowiadające im wartości osobliwe. Coraz to większe zmniejszanie czasu próby prowadzi do zwiększenia liczby wektorów i wartości osobliwych w części stochastycznej macierzy trajektorii. W takiej sytuacji mówimy, że widmo osobliwe {cr2} jest zbieżne. Zatem czas próby należy wybrać w taki sposób, aby zapewnić zbieżność {er,2 ]. Rozważmy teraz wybór czasu opóźnień. Sytuacja, w której zwiększamy T >oo, prowadzi do analizy widmowej Fouriera. Zatem czas opóźnień jest ograniczony przez r * : T <T* * 2 7t * gdzie r* = - i ty* jest częstotliwością graniczną. Ponadto: (O z > (2m + l)rę Ponieważ m jest nieznane, możemy przyjąć: * T - T Tak wyznaczony czas opóźnień spełnia warunki twierdzenia Takensa [11], 2. Rozkład wartości osobliwych - obliczenia numeryczne Przeprowadzone badania empiryczne pozwoliły - za pomocą metody rozkładu wartości osobliwych - na zrekonstruowanie przestrzeni stanów. Wykorzystano w tym celu szeregi finansowe utworzone z cen pięciu spółek notowanych na GPW w Warszawie w ostatnich pięciu latach: ING Bank Śląski, Kable, Swarzędz, Vistula, Krosno. Obliczenia przeprowadzono przy użyciu programów Statistica oraz pakietu Microsoft Excel.
7 REKONSTRUKCJA PRZESTRZENI STANÓW Tabela I Zestawienie wartości wymiaru zanurzenia i czasu opóźnień szeregów czasowych utworzonych z notowań wybranych spółek Spółka Czas opóźnień r Wymiar zanurzenia d ING Bank Śląski u 6 Kable 14 9 Swarzędz 17 8 Vistula 12 8 Krosno 19 6 Podstawiając otrzym ane wyniki do form uły (1), otrzym ujem y rekonstrukcje przestrzeni stanów wybranych szeregów czasowych: - ING Bank Śląski x 6 (l 255) = (a(1 255), a(1 244), x(l 233), x(l 222), jc(121 l), x(l 200)) x 6 (1254) = (a(1 254), a(1 243), x(l232), x(l 2 2 1), x{\ 2 10), x(l 199)) x 6 (l 253) = (a(1 253), x{l 242), a( ), a( \ x (\ 209), jr(l 198)) a 6 (56) = (x(56), a(45), x {34\ a(23), a(1 2\ a(i)) - Kable x 9 (l 259) = (a(1 259), a(1 245), a(1 231),.. a(1 147)) x 9 (l 258) = (a(1 258), x{l 244), a(1 230),..., a(1 146)) x 9 (l 257) = (a(1 257), a(1 243), a(1 229),..., a(1 145)) a-9 (113) = (a(1 13), a(99), a(85),.. a(i )) - Swarzędz a8 (1257) = (a(1257),,v(l240), a(1 223),..., x(l 138)) a-8(1256) = (a(1256), a(1239), a(1222),..., a(1 137)) a-8 (1255) = (a(1255), a(1 238), a(1 22!),..., a(1 136)) a8 (120) = (a(1 20),,v(l 03), a(86),.. a(i ))
8 182 Katarzyna Zeug - Vistula A-8 (l 256) - (*(l 256), v(l244), *(1232),...,.v(l 172)) a-8 (l 255) = (a(1255), *(l 243), *(l23 l),.. a<1 171)) a 8 (l 254) = (*(l 254), *(l 242), *(l 230),..., *(l 170)) - Krosno *8(85) = (*(85),*(73)u(6l),...,*(l)) * 6 ( l ) = ( * ( l ), * ( l ), * ( l ),..., * ( l l 6 2 ) ) a -6 ( l ) - ( * ( l ), * ( l ), * ( l ),..., * ( l 1 6 1) ) a -6 ( ) = ( * ( ), * ( l ), * ( l ),..., * ( l ) ) a-6 (96) - (*(96), *(77), *(58),..., *(l)) Zakończenie Zastosowanie nieco mniej znanych narzędzi matematycznych, takich jak rekonstrukcja przestrzeni stanów, do opisu ekonomicznych szeregów czasowych stanowi uzupełnienie dotychczasowych metod. Z pewnością dalsze badania pokażą, na ile zaprezentowane metody okażą się przydatne w prognozowaniu szeregów czasowych lub też określeniu, czy badany szereg ma charakter chaotyczny czy stochastyczny. Literatura 1. Abarbanel H.D.: Analysis o f O bserved Chaotic Data. Springer-Verlag, Berlin, Heidelberg, New York Broomhead D.S., King G.P.: Extracting Qualitative Dynamics from Experim ental Data. Physica D 1986, Fanner J.D., Sidorovich J.J.: Exploating Chaos to Predict the Future and Reduce Noise. In: Evolution, Learning and Cognition. Ed. Y.C. Lee. World Scientific, Singapore Fraser A.M., Swinney H.L.: Independent Coordinates fo r Strange Attractors from Mutual Information. Physical Review A 1986, Vol. 33, No 2.
9 REKONSTRUKCJA PRZESTRZENI STANÓW Grassberger P., Procaccia I.: M easuring the Strangeness o f Strange Attractors. Physica D Guillaume D.M.: A Low-Dimensional Fractal Atrractor in the Foreign- -Exchange Markets? Chaos & Nonlinear Dynamics in the Financial Markets Kennel M.B., Brown R., Abarbanel H.D.: Determining Embedding D i mension fo r Phase Space Reconstruction Using a Geom etrical Construction. Physical Review A 1992, Vol. 45, No KimH.S., Eykholt R., Salas J.D.: Nonlinear Dynamics, Delay Time, and Embedding Windows. Physica D 1999, Liebert W., Schuster H.G.: Proper Choice o f the Time D elay fo r the Analysis o f Chaotic Time Series. Phys. Rev. Lett. A 1989, Sprott J.C.: Chaos and Time-Series Analysis. Oxford TakensF.: Detectingstrange Attractors in Turbulence. In: Lecture Notes in Mathematics. Eds. D.A. Rand, L.S. Young. Springer-Verlag, Berlin Talaga L., Zieliński Z.: Analiza spektralna w modelowaniu ekonometrycznym. PWN, Warszawa Zawadzki H.: Chaotyczne system y dynamiczne. AE, Katowice RECONSTRUCTION OF THE STATE SPACE FROM A SINGLE ECONOMICS' TIME SERIES Summary In this paper we used the time delay method - Takens (1981) - for the reconstruction o f the state space from a single time series. In order to compute the delay time X we used the C-C method and then we used the false neighbours method for compute the embedding dimension d. Our data set is composed o f daily foregin - exchange returns obtained from WGPW for USD, GBP and JPY.
Układy równań i nierówności liniowych
Układy równań i nierówności liniowych Wiesław Krakowiak 1 grudnia 2010 1 Układy równań liniowych DEFINICJA 11 Układem równań m liniowych o n niewiadomych X 1,, X n, nazywamy układ postaci: a 11 X 1 + +
Bardziej szczegółowoInformacja o przestrzeniach Hilberta
Temat 10 Informacja o przestrzeniach Hilberta 10.1 Przestrzenie unitarne, iloczyn skalarny Niech dana będzie przestrzeń liniowa X. Załóżmy, że każdej parze elementów x, y X została przyporządkowana liczba
Bardziej szczegółowoPrzestrzeń unitarna. Jacek Kłopotowski. 23 października Katedra Matematyki i Ekonomii Matematycznej SGH
Katedra Matematyki i Ekonomii Matematycznej SGH 23 października 2018 Definicja iloczynu skalarnego Definicja Iloczynem skalarnym w przestrzeni liniowej R n nazywamy odwzorowanie ( ) : R n R n R spełniające
Bardziej szczegółowo13 Układy równań liniowych
13 Układy równań liniowych Definicja 13.1 Niech m, n N. Układem równań liniowych nad ciałem F m równaniach i n niewiadomych x 1, x 2,..., x n nazywamy koniunkcję równań postaci a 11 x 1 + a 12 x 2 +...
Bardziej szczegółowoZaawansowane metody numeryczne
Wykład 10 Rozkład LU i rozwiązywanie układów równań liniowych Niech będzie dany układ równań liniowych postaci Ax = b Załóżmy, że istnieją macierze L (trójkątna dolna) i U (trójkątna górna), takie że macierz
Bardziej szczegółowoTreść wykładu. Układy równań i ich macierze. Rząd macierzy. Twierdzenie Kroneckera-Capellego.
. Metoda eliminacji. Treść wykładu i ich macierze... . Metoda eliminacji. Ogólna postać układu Układ m równań liniowych o n niewiadomych x 1, x 2,..., x n : a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21
Bardziej szczegółowoRozwiązywanie układów równań liniowych
Rozwiązywanie układów równań liniowych Marcin Orchel 1 Wstęp Jeśli znamy macierz odwrotną A 1, to możęmy znaleźć rozwiązanie układu Ax = b w wyniku mnożenia x = A 1 b (1) 1.1 Metoda eliminacji Gaussa Pierwszy
Bardziej szczegółowoWykład 12 i 13 Macierz w postaci kanonicznej Jordana , 0 A 2
Wykład 12 i 13 Macierz w postaci kanonicznej Jordana Niech A - macierz kwadratowa stopnia n Jak obliczyć np A 100? a 11 0 0 0 a 22 0 Jeśli A jest macierzą diagonalną tzn A =, to Ak = 0 0 a nn Niech B =
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład XV: Zagadnienia redukcji wymiaru danych 2 lutego 2015 r. Standaryzacja danych Standaryzacja danych Własności macierzy korelacji Definicja Niech X będzie zmienną losową o skończonym drugim momencie.
Bardziej szczegółowoOCENA CHARAKTERU ZMIENNOŚCI POLSKIEGO RYNKU AKCJI
RUCH PRAWNICZY, EKONOMICZNY I SOCJOLOGICZNY Rok LXIII zeszyt 3 2001 MAŁGORZATA DOMAN OCENA CHARAKTERU ZMIENNOŚCI POLSKIEGO RYNKU AKCJI 1. WSTĘP Założenia dotyczące typu zmienności występującej na badanym
Bardziej szczegółowoPrzekształcanie równań stanu do postaci kanonicznej diagonalnej
Przekształcanie równań stanu do postaci kanonicznej diagonalnej Przygotowanie: Dariusz Pazderski Liniowe przekształcenie równania stanu Rozważmy liniowe równanie stanu i równanie wyjścia układu niesingularnego
Bardziej szczegółowoLista. Przestrzenie liniowe. Zadanie 1 Sprawdź, czy (V, +, ) jest przestrzenią liniową nadr :
Lista Przestrzenie liniowe Zadanie 1 Sprawdź, czy (V, +, ) jest przestrzenią liniową nadr : V = R[X], zbiór wielomianów jednej zmiennej o współczynnikach rzeczywistych, wraz ze standardowym dodawaniem
Bardziej szczegółowo0 + 0 = 0, = 1, = 1, = 0.
5 Kody liniowe Jak już wiemy, w celu przesłania zakodowanego tekstu dzielimy go na bloki i do każdego z bloków dodajemy tak zwane bity sprawdzające. Bity te są w ścisłej zależności z bitami informacyjnymi,
Bardziej szczegółowoZaawansowane metody numeryczne
Wykład 11 Ogólna postać metody iteracyjnej Definicja 11.1. (metoda iteracyjna rozwiązywania układów równań) Metodą iteracyjną rozwiązywania { układów równań liniowych nazywamy ciąg wektorów zdefiniowany
Bardziej szczegółowoLokalna odwracalność odwzorowań, odwzorowania uwikłane
Lokalna odwracalność odwzorowań, odwzorowania uwikłane Katedra Matematyki i Ekonomii Matematycznej Szkoła Główna Handlowa 17 maja 2012 Definicja Mówimy, że odwzorowanie F : X R n, gdzie X R n, jest lokalnie
Bardziej szczegółowoPOSTULATY MECHANIKI KWANTOWEJ cd i formalizm matematyczny
POSTULATY MECHANIKI KWANTOWEJ cd i formalizm matematyczny Funkcja Falowa Postulat 1 Dla każdego układu istnieje funkcja falowa (funkcja współrzędnych i czasu), która jest ciągła, całkowalna w kwadracie,
Bardziej szczegółowoWektory i wartości własne
Treść wykładu Podprzestrzenie niezmiennicze Podprzestrzenie niezmiennicze... Twierdzenie Cayley Hamiltona Podprzestrzenie niezmiennicze Definicja Niech f : V V będzie przekształceniem liniowym. Podprzestrzeń
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 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 szczegółowoIloczyn skalarny. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 10. wykład z algebry liniowej Warszawa, grudzień 2013
Iloczyn skalarny Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 10. wykład z algebry liniowej Warszawa, grudzień 2013 Mirosław Sobolewski (UW) Warszawa, grudzień 2013 1 / 14 Standardowy
Bardziej szczegółowoTeoretyczne podstawy programowania liniowego
Teoretyczne podstawy programowania liniowego Elementy algebry liniowej Plan Kombinacja liniowa Definicja Kombinacja liniowa wektorów (punktów) x 1, x 2,, x k R n to wektor x R n k taki, że x = i=1 λ i
Bardziej szczegółowoWektory i wartości własne
Treść wykładu Podprzestrzenie niezmiennicze... Twierdzenie Cayley Hamiltona Podprzestrzenie niezmiennicze Definicja Niech f : V V będzie przekształceniem liniowym. Podprzestrzeń W V nazywamy niezmienniczą
Bardziej szczegółowoStatystyka i eksploracja danych
Wykład XII: Zagadnienia redukcji wymiaru danych 12 maja 2014 Definicja Niech X będzie zmienną losową o skończonym drugim momencie. Standaryzacją zmiennej X nazywamy zmienną losową Z = X EX Var (X ). Definicja
Bardziej szczegółowoφ(x 1,..., x n ) = a i x 2 i +
Teoria na egzamin z algebry liniowej Wszystkie podane pojęcia należy umieć określić i podać pprzykłady, ewentualnie kontrprzykłady. Ponadto należy znać dowody tam gdzie to jest zaznaczone. Liczby zespolone.
Bardziej szczegółowoFormy kwadratowe. Rozdział 10
Rozdział 10 Formy kwadratowe Rozważmy rzeczywistą macierz symetryczną A R n n Definicja 101 Funkcję h : R n R postaci h (x) = x T Ax (101) nazywamy formą kwadratową Macierz symetryczną A występującą w
Bardziej szczegółowoWartości i wektory własne
Dość często przy rozwiązywaniu problemów naukowych czy technicznych pojawia się konieczność rozwiązania dość specyficznego układu równań: Zależnego od n nieznanych zmiennych i pewnego parametru. Rozwiązaniem
Bardziej szczegółowodr Mariusz Grządziel 15,29 kwietnia 2014 Przestrzeń R k R k = R R... R k razy Elementy R k wektory;
Wykłady 8 i 9 Pojęcia przestrzeni wektorowej i macierzy Układy równań liniowych Elementy algebry macierzy dodawanie, odejmowanie, mnożenie macierzy; macierz odwrotna dr Mariusz Grządziel 15,29 kwietnia
Bardziej szczegółowoIII. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań.
III. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań. Analiza stabilności rozwiązań stanowi ważną część jakościowej teorii równań różniczkowych. Jej istotą jest poszukiwanie odpowiedzi
Bardziej 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 szczegółowoPrzestrzenie wektorowe
Rozdział 4 Przestrzenie wektorowe Rozważania dotyczące przestrzeni wektorowych rozpoczniemy od kilku prostych przykładów. Przykład 4.1. W przestrzeni R 3 = {(x, y, z) : x, y, z R} wprowadzamy dwa działania:
Bardziej szczegółowoMODELOWANIE PRZESTRZENI ZA POMOCĄ MULTIILOCZYNÓW WEKTORÓW
Dr inż. Andrzej Polka Katedra Dynamiki Maszyn Politechniki Łódzkiej MODELOWANIE PRZESTRZENI ZA POMOCĄ MULTIILOCZYNÓW WEKTORÓW Praca zawiera opis kształtowania przestrzeni n-wymiarowej, definiowania orientacji
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 szczegółowoPrzestrzenie liniowe
Rozdział 4 Przestrzenie liniowe 4.1. Działania zewnętrzne Niech X oraz F będą dwoma zbiorami niepustymi. Dowolną funkcję D : F X X nazywamy działaniem zewnętrznym w zbiorze X nad zbiorem F. Przykład 4.1.
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 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 szczegółowoAlgebra Liniowa 2 (INF, TIN), MAP1152 Lista zadań
Algebra Liniowa 2 (INF, TIN), MAP1152 Lista zadań Przekształcenia liniowe, diagonalizacja macierzy 1. Podano współrzędne wektora v w bazie B. Znaleźć współrzędne tego wektora w bazie B, gdy: a) v = (1,
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 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 szczegółowoANALIZA PRZESTRZENI FAZOWEJ NATĘŻENIA RUCHU RAMEK W SIECI ETHERNET
STUDIA INFORMATICA 25 Volume 26 Number 3 (64) Arkadiusz BIERNACKI Politechnika Śląska, Instytut Informatyki ANALIZA PRZESTRZENI FAZOWEJ NATĘŻENIA RUCHU RAMEK W SIECI ETHERNET Streszczenie. W niniejszej
Bardziej szczegółowoKADD Minimalizacja funkcji
Minimalizacja funkcji Poszukiwanie minimum funkcji Foma kwadratowa Metody przybliżania minimum minimalizacja Minimalizacja w n wymiarach Metody poszukiwania minimum Otaczanie minimum Podział obszaru zawierającego
Bardziej szczegółowoUKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH
Transport, studia I stopnia rok akademicki 2011/2012 Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Uwagi wstępne Układ liniowych równań algebraicznych można
Bardziej szczegółowocx cx 1,cx 2,cx 3,...,cx n. Przykład 4, 5
Matematyka ZLic - 07 Wektory i macierze Wektorem rzeczywistym n-wymiarowym x x 1, x 2,,x n nazwiemy ciąg n liczb rzeczywistych (tzn odwzorowanie 1, 2,,n R) Zbiór wszystkich rzeczywistych n-wymiarowych
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 szczegółowoWażne rozkłady i twierdzenia c.d.
Ważne rozkłady i twierdzenia c.d. Funkcja charakterystyczna rozkładu Wielowymiarowy rozkład normalny Elipsa kowariacji Sploty rozkładów Rozkłady jednostajne Sploty z rozkładem normalnym Pobieranie próby
Bardziej szczegółowoUkłady równań liniowych
Układy równań liniowych Niech K będzie ciałem. Niech n, m N. Równanie liniowe nad ciałem K z niewiadomymi (lub zmiennymi) x 1, x 2,..., x n K definiujemy jako formę zdaniową zmiennej (x 1,..., x n ) K
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 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 szczegółowo13 Równanie struny drgającej. Równanie przewodnictwa ciepła.
Równanie struny drgającej. Równanie przewodnictwa ciepła 13 1 13 Równanie struny drgającej. Równanie przewodnictwa ciepła. 13.1 Równanie struny drgającej Równanie różniczkowe liniowe drugiego rzędu typu
Bardziej szczegółowoElementy statystyki wielowymiarowej
Wnioskowanie_Statystyczne_-_wykład Spis treści 1 Elementy statystyki wielowymiarowej 1.1 Kowariancja i współczynnik korelacji 1.2 Macierz kowariancji 1.3 Dwumianowy rozkład normalny 1.4 Analiza składowych
Bardziej szczegółowoAnaliza korespondencji
Analiza korespondencji Kiedy stosujemy? 2 W wielu badaniach mamy do czynienia ze zmiennymi jakościowymi (nominalne i porządkowe) typu np.: płeć, wykształcenie, status palenia. Punktem wyjścia do analizy
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 szczegółowoAlgebra liniowa. Macierze i układy równań liniowych
Algebra liniowa Macierze i układy równań liniowych Własności wyznaczników det I = 1, det(ab) = det A det B, det(a T ) = det A. Macierz nieosobliwa Niech A będzie macierzą kwadratową wymiaru n n. Mówimy,
Bardziej szczegółowoUkłady równań liniowych
Układy równań liniowych ozważmy układ n równań liniowych o współczynnikach a ij z n niewiadomymi i : a + a +... + an n d a a an d a + a +... + a n n d a a a n d an + an +... + ann n d n an an a nn n d
Bardziej szczegółowoProgramowanie liniowe
Programowanie liniowe Maciej Drwal maciej.drwal@pwr.wroc.pl 1 Problem programowania liniowego min x c T x (1) Ax b, (2) x 0. (3) gdzie A R m n, c R n, b R m. Oznaczmy przez x rozwiązanie optymalne, tzn.
Bardziej szczegółowoMet Me ody numer yczne Wykład ykład Dr inż. Mic hał ha Łanc Łan zon Instyt Ins ut Elektr Elektr echn iki echn i Elektrot Elektr echn olo echn
Metody numeryczne Wykład 3 Dr inż. Michał Łanczont Instytut Elektrotechniki i Elektrotechnologii E419, tel. 4293, m.lanczont@pollub.pl, http://m.lanczont.pollub.pl Zakres wykładu Pojęcia podstawowe Algebra
Bardziej szczegółowoZASTOSOWANIE WYKŁADNIKÓW LAPUNOWA DO WERYFIKACJI HIPOTEZY RYNKU KOHERENTNEGO
Monika Miśkiewicz-Nawrocka Uniwersytet Ekonomiczny w Katowicach ZASTOSOWANIE WYKŁADNIKÓW LAPUNOWA DO WERYFIKACJI HIPOTEZY RYNKU KOHERENTNEGO Wstęp Prowadzone od wielu lat badania nad zmiennością cen na
Bardziej szczegółowoMetody iteracyjne rozwiązywania układów równań liniowych (5.3) Normy wektorów i macierzy (5.3.1) Niech. x i. i =1
Normy wektorów i macierzy (5.3.1) Niech 1 X =[x x Y y =[y1 x n], oznaczają wektory przestrzeni R n, a yn] niech oznacza liczbę rzeczywistą. Wyrażenie x i p 5.3.1.a X p = p n i =1 nosi nazwę p-tej normy
Bardziej szczegółowoSIMR 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 szczegółowoPODSTAWY AUTOMATYKI. MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach.
WYDZIAŁ ELEKTROTECHNIKI I AUTOMATYKI Katedra Inżynierii Systemów Sterowania PODSTAWY AUTOMATYKI MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach.
Bardziej szczegółowoUkłady liniowo niezależne
Układy liniowo niezależne Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 3.wykład z algebry liniowej Warszawa, październik 2016 Mirosław Sobolewski (UW) Warszawa, październik 2016 1
Bardziej szczegółowoObliczenia naukowe Wykład nr 8
Obliczenia naukowe Wykład nr 8 Paweł Zieliński Katedra Informatyki, Wydział Podstawowych Problemów Techniki, Politechnika Wrocławska Literatura Literatura podstawowa [] D. Kincaid, W. Cheney, Analiza numeryczna,
Bardziej szczegółowoProgramowanie celowe #1
Programowanie celowe #1 Problem programowania celowego (PC) jest przykładem problemu programowania matematycznego nieliniowego, który można skutecznie zlinearyzować, tzn. zapisać (i rozwiązać) jako problem
Bardziej szczegółowoVII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa.
VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa. W rozdziale tym zajmiemy się dokładniej badaniem stabilności rozwiązań równania różniczkowego. Pojęcie stabilności w
Bardziej szczegółowo1 Formy hermitowskie. GAL (Informatyka) Wykład - formy hermitowskie. Paweł Bechler
GAL (Informatyka) Wykład - formy hermitowskie Wersja z dnia 23 stycznia 2014 Paweł Bechler 1 Formy hermitowskie Niech X oznacza przestrzeń liniową nad ciałem K. Definicja 1. Funkcję φ : X X K nazywamy
Bardziej szczegółowoGeometria Lista 0 Zadanie 1
Geometria Lista 0 Zadanie 1. Wyznaczyć wzór na pole równoległoboku rozpiętego na wektorach u, v: (a) nie odwołując się do współrzędnych tych wektorów; (b) odwołując się do współrzędnych względem odpowiednio
Bardziej szczegółowoWykład 4. Określimy teraz pewną ważną klasę pierścieni.
Wykład 4 Określimy teraz pewną ważną klasę pierścieni. Twierdzenie 1 Niech m, n Z. Jeśli n > 0 to istnieje dokładnie jedna para licz q, r, że: m = qn + r, 0 r < n. Liczbę r nazywamy resztą z dzielenia
Bardziej szczegółowoWstęp do komputerów kwantowych
Wprowadzenie do mechaniki kwantowej Uniwersytet Łódzki, Wydział Fizyki i Informatyki Stosowanej 2008/2009 Wprowadzenie do mechaniki kwantowej Podstawy matematyczne 1 Algebra liniowa Bazy i liniowa niezależność
Bardziej szczegółowoRozdzia 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 szczegółowoJak łatwo zauważyć, zbiór form symetrycznych (podobnie antysymetrycznych) stanowi podprzestrzeń przestrzeni L(V, V, K). Oznaczamy ją Sym(V ).
Odwzorowania n-liniowe; formy n-liniowe Definicja 1 Niech V 1,..., V n, U będą przestrzeniami liniowymi nad ciałem K. Odwzorowanie G: V 1 V n U nazywamy n-liniowym, jeśli dla każdego k [n] i wszelkich
Bardziej szczegółowoFormy kwadratowe. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. wykład z algebry liniowej Warszawa, styczeń 2009
Formy kwadratowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW wykład z algebry liniowej Warszawa, styczeń 2009 Mirosław Sobolewski (UW) Warszawa, 2009 1 / 15 Definicja Niech V, W,
Bardziej szczegółowo5. Rozwiązywanie układów równań liniowych
5. Rozwiązywanie układów równań liniowych Wprowadzenie (5.1) Układ n równań z n niewiadomymi: a 11 +a 12 x 2 +...+a 1n x n =a 10, a 21 +a 22 x 2 +...+a 2n x n =a 20,..., a n1 +a n2 x 2 +...+a nn x n =a
Bardziej szczegółowoAkwizycja i przetwarzanie sygnałów cyfrowych
Akwizycja i przetwarzanie sygnałów cyfrowych Instytut Teleinformatyki ITI PK Kraków 21 luty 2011 Reprezentacje sygnału Jak reprezentujemy sygnał: wybieramy sygnały wzorcowe (bazę) rozwijamy sygnał w wybranej
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 szczegółowoPostać Jordana macierzy
Rozdział 8 Postać Jordana macierzy Niech F = R lub F = C Macierz J r λ) F r r postaci λ 1 0 0 0 λ 1 J r λ) = 0 λ 1 0 0 λ gdzie λ F nazywamy klatką Jordana stopnia r Oczywiście J 1 λ) = [λ Definicja 81
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 szczegółowoModel przepływów międzygałęziowych (model Leontiewa)
Model przepływów międzygałęziowych (model Leontiewa) Maciej Grzesiak Przedstawimy tzw. analizę wejścia-wyjścia jako narzędzie do badań ekonomicznych. Stworzymy matematyczny model gospodarki, w którym można
Bardziej szczegółowoAnaliza numeryczna Kurs INP002009W. Wykłady 6 i 7 Rozwiązywanie układów równań liniowych. Karol Tarnowski A-1 p.
Analiza numeryczna Kurs INP002009W Wykłady 6 i 7 Rozwiązywanie układów równań liniowych Karol Tarnowski karol.tarnowski@pwr.wroc.pl A-1 p.223 Plan wykładu Podstawowe pojęcia Własności macierzy Działania
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 szczegółowoZadania z Algebry liniowej 4 Semestr letni 2009
Zadania z Algebry liniowej 4 Semestr letni 2009 Ostatnie zmiany 23.05.2009 r. 1. Niech F będzie podciałem ciała K i niech n N. Pokazać, że niepusty liniowo niezależny podzbiór S przestrzeni F n jest także
Bardziej szczegółowoA,B M! v V ; A + v = B, (1.3) AB = v. (1.4)
Rozdział 1 Prosta i płaszczyzna 1.1 Przestrzeń afiniczna Przestrzeń afiniczna to matematyczny model przestrzeni jednorodnej, bez wyróżnionego punktu. Można w niej przesuwać punkty równolegle do zadanego
Bardziej szczegółowoAproksymacja. j<k. L 2 p[a, b] l 2 p,n X = Lemat 1. Wielomiany ortogonalne P 0,P 1,...,P n tworza przestrzeni liniowej Π n. Dowód.
Metody numeryczne Paweł Zieliński p. 1/19 Lemat 1. Wielomiany ortogonalne P 0,P 1,...,P n tworza bazę przestrzeni liniowej Π n. Dowód. Lemat 2. Dowolny wielomian Q j stopnia j niższego od k jest prostopadły
Bardziej szczegółowoAlgebra liniowa. 1. Macierze.
Algebra liniowa 1 Macierze Niech m oraz n będą liczbami naturalnymi Przestrzeń M(m n F) = F n F n będącą iloczynem kartezjańskim m egzemplarzy przestrzeni F n z naturalnie określonymi działaniami nazywamy
Bardziej szczegółowoAlgebra 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 szczegółowoZestaw 12- Macierz odwrotna, układy równań liniowych
Zestaw - Macierz odwrotna, układy równań liniowych Przykładowe zadania z rozwiązaniami Załóżmy, że macierz jest macierzą kwadratową stopnia n. Mówimy, że macierz tego samego wymiaru jest macierzą odwrotną
Bardziej szczegółowo2 1 3 c c1. e 1, e 2,..., e n A= e 1 e 2...e n [ ] M. Przybycień Matematyczne Metody Fizyki I
Liniowa niezależno ność wektorów Przykład: Sprawdzić czy następujące wektory z przestrzeni 3 tworzą bazę: e e e3 3 Sprawdzamy czy te wektory są liniowo niezależne: 3 c + c + c3 0 c 0 c iei 0 c + c + 3c3
Bardziej szczegółowoMetody numeryczne. materiały do wykładu dla studentów
Metody numeryczne materiały do wykładu dla studentów 4. Wartości własne i wektory własne 4.1. Podstawowe definicje, własności i twierdzenia 4.2. Lokalizacja wartości własnych 4.3. Metoda potęgowa znajdowania
Bardziej szczegółowoWyznaczniki 3.1 Wyznaczniki stopni 2 i 3
3 Wyznaczniki 31 Wyznaczniki stopni 2 i 3 Wyznacznik macierzy 2 2 Dana jest macierz [ ] a b A Mat c d 2 2 (R) Wyznacznikiem macierzy A nazywamy liczbę mamy a A c b ad bc d Wyznacznik macierzy A oznaczamy
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 szczegółowo8 Całka stochastyczna względem semimartyngałów
M. Beśka, Całka Stochastyczna, wykład 8 148 8 Całka stochastyczna względem semimartyngałów 8.1 Całka stochastyczna w M 2 Oznaczmy przez Ξ zbiór procesów postaci X t (ω) = ξ (ω)i {} (t) + n ξ i (ω)i (ti,
Bardziej szczegółowo= i Ponieważ pierwiastkami stopnia 3 z 1 są (jak łatwo wyliczyć) liczby 1, 1+i 3
ZESTAW I 1. Rozwiązać równanie. Pierwiastki zaznaczyć w płaszczyźnie zespolonej. z 3 8(1 + i) 3 0, Sposób 1. Korzystamy ze wzoru a 3 b 3 (a b)(a 2 + ab + b 2 ), co daje: (z 2 2i)(z 2 + 2(1 + i)z + (1 +
Bardziej szczegółowoPrognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania
Prognozowanie i Symulacje. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Szeregi czasowe 1 Szeregi czasowe 2 3 Szeregi czasowe Definicja 1 Szereg czasowy jest to proces stochastyczny z czasem dyskretnym
Bardziej szczegółowoJak trudne jest numeryczne całkowanie (O złożoności zadań ciągłych)
Jak trudne jest numeryczne całkowanie (O złożoności zadań ciągłych) Uniwersytet Warszawski Wydział Matematyki, Informatyki i Mechaniki leszekp@mimuw.edu.pl Horyzonty 2014 17-03-2014 Będlewo Zadania numeryczne
Bardziej szczegółowoWstęp do metod numerycznych Faktoryzacja QR i SVD. P. F. Góra
Wstęp do metod numerycznych Faktoryzacja QR i SVD P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2012 Transformacja Householdera Niech u R N, u 0. Tworzymy macierz W sposób oczywisty P T = P. Obliczmy
Bardziej szczegółowon=0 (n + r)a n x n+r 1 (n + r)(n + r 1)a n x n+r 2. Wykorzystując te obliczenia otrzymujemy, że lewa strona równania (1) jest równa
Równanie Bessela Będziemy rozważać następujące równanie Bessela x y xy x ν )y 0 ) gdzie ν 0 jest pewnym parametrem Rozwiązania równania ) nazywamy funkcjami Bessela rzędu ν Sprawdzamy, że x 0 jest regularnym
Bardziej szczegółowoTwierdzenie spektralne
Twierdzenie spektralne Tomasz Kochanek Uniwersytet Śląski Instytut Matematyki XXXI Sesja KNM UŚ Motywacje, intuicje, konstrukcje Szczyrk 10 13 listopada 2011 Tomasz Kochanek (Uniwersytet Śląski) Twierdzenie
Bardziej szczegółowoRównanie przewodnictwa cieplnego (I)
Wykład 4 Równanie przewodnictwa cieplnego (I) 4.1 Zagadnienie Cauchy ego dla pręta nieograniczonego Rozkład temperatury w jednowymiarowym nieograniczonym pręcie opisuje funkcja u = u(x, t), spełniająca
Bardziej szczegółowoZadania z algebry liniowej - sem. I Przestrzenie liniowe, bazy, rząd macierzy
Zadania z algebry liniowej - sem I Przestrzenie liniowe bazy rząd macierzy Definicja 1 Niech (K + ) będzie ciałem (zwanym ciałem skalarów a jego elementy nazywać będziemy skalarami) Przestrzenią liniową
Bardziej szczegółowoMetody numeryczne I Równania nieliniowe
Metody numeryczne I Równania nieliniowe Janusz Szwabiński szwabin@ift.uni.wroc.pl Metody numeryczne I (C) 2004 Janusz Szwabiński p.1/66 Równania nieliniowe 1. Równania nieliniowe z pojedynczym pierwiastkiem
Bardziej szczegółowoZadania przygotowawcze, 3 kolokwium
Zadania przygotowawcze, 3 kolokwium Mirosław Sobolewski 8 grudnia. Niech φ t : R 3 R 3 bedzie endomorfizmem określonym wzorem φ t ((x, x, )) (x +, tx + x, x + ), gdzie parametr t R. a) Zbadać dla jakiej
Bardziej szczegółowoAnaliza numeryczna Lista nr 3 (ćwiczenia) x x 2 n x.
Analiza numeryczna Lista nr 3 (ćwiczenia) Sprawdzić że macierz ma wartości własne2+ 222 2 2 Niechx R n Udowodnić że 2 0 0 x x 2 n x 3 NiechA R n n będzie macierzą symetryczną Wiadomo że wówczas istnieje
Bardziej szczegółowo