Uk lady Liego: teoria i zastosowania

Wielkość: px
Rozpocząć pokaz od strony:

Download "Uk lady Liego: teoria i zastosowania"

Transkrypt

1 Uk lady Liego: teoria i zastosowania Javier de Lucas Araujo Katedra Metod Matematycznych w Fizyce 13 Marca 2014

2 Przyk lady zasad superpozycji I Dla dowolnego uk ladu równań różniczkowych jednorodnych liniowych, np. dx i n dt = aj(t)x i j, i = 1,..., n, j=1 rozwi azanie ogólne, x(t), można zapisać w formie x(t) = n k j x (j) (t), gdzie x (1) (t),..., x (n) (t) to fundamentalny uk lad rozwi azań i k 1,..., k n to zbiór sta lych. j=1 2 of 48

3 Przyk lady zasad superpozycji II Podobnie, rozwi azanie ogólne, x(t), dla każdego uk ladu równań różniczkowych liniowych, np. dx i dt = n aj(t)x i j + b i (t), i = 1,..., n, j=1 można zapisać w postaci x(t) = x (0) (t) + n k j (x (j) (t) x (0) (t)), gdzie x (0) (t),..., x (n) (t) to pewna rodzina rozwi azań uk ladu i k 1,..., k n to zbiór sta lych. j=1 3 of 48

4 Przyk lady zasad superpozycji III Rozwi azanie ogólne dla dowolnego równania rózniczkowego Riccatiego, tj. dx dt = a(t) + b(t)x + c(t)x 2, można zapisać w postaci x(t) = x (1)(t)(x (3) (t) x (2) (t)) + kx (2) (t)(x (3) (t) x (1) (t)), (x (3) (t) x (2) (t)) + k(x (3) (t) x (1) (t)) gdzie x (1) (t), x (2) (t), x (3) (t) s a trzema rozwi azaniami uk ladu i k to liczba rzeczywista. 4 of 48

5 Charakterystyka uk ladów posiadaj acych zasady superpozycji Definicja Mówimy, że uk lad równań różniczkowych posiada zasadȩ superpozycji kiedy jego ogólne rozwi azanie można zapisać w nastȩpuj acy sposób x(t) = F (x (1) (t),..., x (m) (t); k). gdzie F : N m N N to funkcja niezależna od czasu, tzw. zmienna t, x (1) (t),..., x (m) (t) to rodzina rozwi azań tego uk ladu i k to element rozmaitości N. 5 of 48

6 Kilka wyników dotycz acych teorii uk ladów Liego L. Königsberger, Über die einer beliebigen differentialgleichung erster Ordnung angehörigen selbst ändigen Transcendenten, Acta Math. 3, 1 48 (1883). (po niemiecku) M.E. Vessiot, Sur une classe d équations différentielles, Ann. Sci. École Norm. Sup. 10, (1893) i C.R. Math. Acad. Sci. Paris 116, (1893), (po francusku) M.S. Lie, Allgemeine Untersuchungen über Differentialgleichungen, die eine continuirliche endliche Gruppe gestatten, Math. Ann. 25, (1885). (po niemiecku). M.S. Lie i G. Scheffers, Vorlesungen über continuierliche Gruppen mit geometrischen und anderen Anwendungen, Teubner, Leipzig, J.F. Cariñena, J. Grabowski i G. Marmo, Superposition rules, Lie theorem and partial differential equations, Rep. Math. Phys. 60, (2007). D. Blázquez-Sanz and J.J. Morales-Ruiz, Local and Global Aspects of Lie s Superposition Theorem, J. Lie Theory 20, (2010).

7 Algebra Liego Algebra Liego to przestrzeń wektorowa V wyposażona w nawias [, ] : V V V, tzw Nawias Liego, spe lniaj acy nastȩpuj ace w laśnosci: Nawias jest dwu-liniowe, czyli [λ 1 v 1 + λ 2 v 2, v 3 ] = λ 1 [v 1, v 3 ] + λ 2 [v 2, v 3 ], [v 3, λ 1 v 1 + λ 2 v 2 ] = λ 1 [v 3, v 1 ] + λ 2 [v 3, v 2 ], dla dowolnych λ 1, λ 2 R i v 1, v 2, v 3 V. Nawias jest antisymetryczny [v 1, v 2 ] = [v 2, v 1 ]. Nawias spe lnia tożsamość Jacobiego, czyli 7 of 48 [v 1, [v 2, v 3 ]] = [[v 1, v 2 ], v 3 ] + [v 2, [v 1, v 3 ]].

8 Przyk lady: Zbiór M n (R) macierz kwadratowych n n o wspó lczynnikach rzeczywistych: [A, B] = A B B A, A, B M n (R). Zbiór sl(n, R) macierz kwadratowych n n bezśladowych o wspó lczynnikach rzeczywistych z nawiasem Liego [A, B] = A B B A, Zbiór X(N) pól wektorowych na rozmaitości N: A, B M n (R). [D 1, D 2 ] = D 1 D 2 D 2 D 1, D 1, D 2 X(N). Lie 1880 Każda algebra Liego skończonego wymiaru na R jest podalgebr a Liego algebry x, x x, x 2 sl(2, R). x 8 of 48

9 GKO classification: Primitive Lie algebras # Primitive Basis of vector fields X i Domain P 1 A α R R 2 { x, y }, α(x x + y y ) + y x x y, α 0 R 2 P 2 sl(2) { x, x x + y y }, (x 2 y 2 ) x + 2xy y R 2 y 0 P 3 so(3) {y x x y, (1 + x 2 y 2 ) x + 2xy y }, 2xy x + (1 + y 2 x 2 ) y R 2 P 4 R 2 R 2 { x, y }, x x + y y, y x x y R 2 P 5 sl(2) R 2 { x, y }, x x y y, y x, x y R 2 P 6 gl(2) R 2 { x, y }, x x, y x, x y, y y R 2 P 7 so(3, 1) { x, y }, x x +y y, y x x y, (x 2 y 2 ) x +2xy y, 2xy x +(y 2 x 2 ) y R 2 P 8 sl(3) { x, y }, x x, y x, x y, y y, x 2 x + xy y, xy x + y 2 y R 2 9 of 48

10 GKO classification: Imprimitive Lie algebras # Imprimitive Basis of vector fields X i Domain I 1 R { x } R 2 I 2 h 2 { x }, x x R 2 I 3 sl(2) (type I) { x }, x x, x 2 x R 2 I 4 sl(2) (type II) { x + y, x x + y y }, x 2 x + y 2 y R 2 x y I 5 sl(2) (type III) { x, 2x x + y y }, x 2 x + xy y R 2 y 0 I 6 gl(2) (type I) { x, y }, x x, x 2 x R 2 I 7 gl(2) (type II) { x, y y }, x x, x 2 x + xy y R 2 y 0 I 8 B α R R 2 { x, y }, x x + αy y, 0 < α 1 R 2 I 9 h 2 h 2 { x, y }, x x, y y R 2 I 10 sl(2) h 2 { x, y }, x x, y y, x 2 x R 2 10 of 48

11 GKO classification: Imprimitive Lie algebras II # Imprimitive Basis of vector fields X i Domain I 11 sl(2) sl(2) { x, y }, x x, y y, x 2 x, y 2 y R 2 I 12 R r+1 { y }, ξ 1 (x) y,..., ξ r (x) y, r 1 R 2 I 13 R R r+1 { y }, y y, ξ 1 (x) y,..., ξ r (x) y, r 1 R 2 I 14 R R r { x, η 1 (x) y }, η 2 (x) y,..., η r (x) y, r 1 R 2 I 15 R 2 R r { x, y y }, η 1 (x) y,..., η r (x) y, r 1 R 2 I 16 Cα r h 2 R r+1 { x, y }, x x + αy y, x y,..., x r y, r 1, α R R 2 I 17 R (R R r ) { x, y }, x x + (ry + x r ) y, x y,..., x r 1 y, r 1 R 2 I 18 (h 2 R) R r+1 { x, y }, x x, x y, y y, x 2 y,..., x r y, r 1 R 2 I 19 sl(2) R r+1 { x, y }, x y, 2x x + ry y, x 2 x + rxy y, x 2 y,..., x r y, r 1 R 2 I 20 gl(2) R r+1 { x, y }, x x, x y, y y, x 2 x + rxy y, x 2 y,..., x r y, r 1 R 2 11 of 48

12 Pola wektorowe zależne od czasu Niech π 2 i π bȩd a rzutowaniami π 2 : (t, x) R N x N i π : (x, v) TN x N. Pole wektorowe zależne od czasu na rozmaitości N to odwzorowanie X : R N TN, takie jak na poniższym diagramie, jest przemienne π X = π 2 TN X π π(x (t, x)) = π 2 (t, x) = x π 2 R N N X (t, x) π 1 (x) = T x N Wówczas odwzorowania X t : x N X (t, x) TN s a polami wektorowymi. Pole wektorowe zależne od t X (t, x) pola wektorowe {X t } t R 12 of 48

13 Pola wektorowe zależne od czasu Krzyw a ca lkow a pola wektorowego X nad N nazywamy funkcjȩ γ : R R N, tak a, że X (t, γ(t)) = dπ γ. dt Każdy uk lad w powyższym wzorze definiuje tylko jedno pole wektorowe i na odwrót. X (t, x) dx i dt = X i (t, x), i = 1,..., n. 13 of 48

14 Twierdzenie Liego Scheffera Uk lad równań różniczkowych pierwszego rzȩdu dx i dt = X i (t, x), i = 1,..., n, posiada zasadȩ superpozycji, wtedy i tylko wtedy, gdy powi azane pole wektorowe zależne od czasu X (t, x) można zapisać w nastȩpuj acy sposób r X (t, x) = b α (t)x α (x), α=1 gdzie X 1,..., X r to rodzina pól wektorowych generuj aca algebrȩ Liego skończonego wymiaru, tzw. algebrȩ Vessiota Guldberga. 14 of 48

15 Twierdzenie Liego Scheffera i równania Riccatiego Z każdym równaniem Riccatiego możemy powi azać pole wektorowe zależne od czasu dx dt = b 1(t) + b 2 (t)x + b 3 (t)x 2, które można zapisać w nastȩpuj acy sposób gdzie X (t, x) = b 1 (t)x 1 (x) + b 2 (t)x 2 (x) + b 3 (t)x 3 (x), X 1 = x, X 2 = x x, spe lniaj a relacje komutacyjne X 3 = x 2 x, [X 1, X 2 ] = X 1, [X 1, X 3 ] = 2X 2, [X 2, X 3 ] = X 3. Innymi s lowami, pola wektorowe X 1, X 2, X 3 generuj a algebrȩ Liego skończonego wymiaru (w laśnie sl(2, R)). 15 of 48

16 Równania Kummera-Schwarza drugiego rzȩdu Równaniami Kummera Schwarza nazywamy równania różniczkowe takie jak d 2 x dt 2 = 3 ( ) dx 2 2b 0 x 3 + a 0 (t)x, 2x dt gdzie b 0 to liczba rzeczywista i a 0 (t) to dowolna funkcja zależna od czasu. dx dt = v, dv dt = 3 v 2 2 x 2b 0x 3 + a 0 (t)x, 16 of 48

17 Równania Kummera-Schwarza drugiego rzȩdu Powyższy uk lad jest powi azany z polem wektorowym ( 3 v 2 ) X t = 2 x 2b 0x 3 + a 0 (t)x v + v x = 1 (X 2 + a 0 (t)x 1 ), 2 gdzie X 1 = 2x v, X 3 = x x + 2v v, X 2 2 = v x + spe lniaj a relacje ( 3 v 2 ) 2 x 2b 0x 3 v, [X 1, X 2 ] = 2X 3, [X 2, X 3 ] = X 2, [X 1, X 3 ] = X 1. Zatem X (t, x) to uk lad Liego. 17 of 48

18 Równania Kummera-Schwarza trzeciego rzȩdu Równania Kummera Schwarza trzeciego rzȩdu maj a postacie d 3 x dt 3 = 3 2 ( dx dt ) 1 ( d 2 x dt 2 ) 2 ( ) dx 3 2b 0 + 2a 0 (t) dx dt dt, gdzie b 0 to liczba rzeczywista i a 0 (t) to dowolna funkcja zależna od czasu. Teraz, mamy dx dt = y (1), dy (1) = y (2), dt dy (2) dt = 3 y (2)2 2 y (1) 2b 0y (1)3 + 2a 0 (t)y (1). 18 of 48

19 Równania Kummera-Schwarza trzeciego rzȩdu To równanie jest powi azane z polem wektorowym y (1) x + y (2) y (1) + ( ) 3 y (2) y (1) 2b 0y (1)3 Niech X 1, X 2, X 3 bȩd a polami wektorowymi w formie 19 of 48 X 1 = y (1) y (2), ( X 2 = y (1) x + y (2) y (1) + X 3 = y (1) (2) + 2y y (1) y (2), 3 2 y (2) + 2a 0(t)y (1). (1) y (2) ) y (2)2 y (1) 2b 0y (1)3 y (2),

20 spe lniaj acymi relacje komutacyjne: [X 1, X 2 ] = X 3, [X 2, X 3 ] = X 2, [X 1, X 3 ] = X 1. Wówczas te pola wektorowe generuj a algebrȩ Liego, która jest izomorficzna z sl(2, R). Ponadto, można zapisać Innymi s lowy, X to uk lad Liego. X t = X 2 + 2a 0 (t)x of 48

21 Zastosowanie w mechanice klasycznej dx dt = v, dv dt = ω2 (t)x, dx dt = v, dv dt = ω2 (t)x + k x 3, dg dt = R g e(a(t)) dx dt = v, dv dt = 3 2 v 2 x 2b 0x 3 ω 2 (t)x, dx dt = 1 + ω2 (t). 21 of 48

22 Niech (A, [, ]) bȩdzie algebr a Liego, gdzie [, ] : A A A to nawias Liego i B podzbioru A, nazywamy przd lużeniem podzbioru B (wzglȩdem zbioru A), czyli Lie(B, A, [, ]), najmniejszej algebry Liego zawieraj acej B. Lemat Dla każdego podzbioru B A, jego przed lużenie jest generowane przez elementy zbioru B, [B, B], [B, [B, B]], [B, [B, [B, B]]],... gdzie [C, D] oznacza nawias Liego miȩdzy elementami podzbiorów C, D A. 22 of 48

23 Jeśli X (t, x) jest uk ladem Liego, to istnieje algebra Vessiota Guldberga V taka, że {X t } t R V. Wówczas Lie({X t } t R ) V. Innymi s lowami, Lie({X t } t R ) jest algebr a Liego skończonego wymiaru. Odwrotnie, jeśli Lie({X t } t R ) jest algebr a Liego skończonego wymiaru, to X (t, x) jest algebr a Liego. Krótkie twierdzenie Liego Scheffersa Uk lad równań różniczkowych X (t, x) jest uk ladem Liego, wtedy i tylko wtedy, gdy Lie({X t } t R ) jest algebr a Liego skończonego wymiaru. Znikoma algebra Liego Znikom a algebr a Liego pola wektorowego X (t, x) nazywa siȩ najmniesz a algebrȩ Liego V X zawieraj ac a {X t } t R. 23 of 48

24 Równania Riccatiego drugiego rzȩdu Rozpatrzmy teraz równania Riccatiego drugiego rzȩdu, tj. gdzie ẍ + (b 0 (t) + b 1 (t)x)ẋ + c 0 (t) + c 1 (t)x + c 2 (t)x 2 + c 3 (t)x 3 = 0, b 1 (t) = 3 c 3 (t), b 0 (t) = c 2(t) c3 (t) ċ3(t) 2c 3 (t), c 3(t) 0. Jeżeli dodamy zmienne v = ẋ do tych uk ladów, to nie uzyskamy uk lad ow Liego. Jednak, te równania posiadaj a funkcjȩ Lagranjowsk a wzorem 1 L(t, x, v) = v + U(t, x), gdzie U(t, x) = a 0 (t) + a 1 (t)x + a 2 (t)x 2 i a 0 (t), a 1 (t), a 2 (t) s a funkcjami zmiennych czasu zależne od c 1 (t), c 2 (t), c 3 (t). 24 of 48

25 Ta funkcja Lagranjowska jest powi azana z funkcj a Hamiltonowsk a h(t, x, p) = vp L(t, x, v) = 2 p p U(t, x). Jej równania Hamiltona s a ẋ = H p = 1 a 0 (t) a 1 (t)x a 2 (t)x 2, p ṗ = H x = p(a 1(t) + 2a 2 (t)x). Udowodnimy, że ten uk lad jest uk ladem Liego. Rozważmy pola wektorowe na O. 25 of 48 X 1 = 1 p x, X 2 = x, X 3 = x x p p, X 4 = x 2 x 2xp p, X 5 = x p x + 2 p p,

26 One spe lniaj a relacje komutacyjne [X 1, X 2 ] = 0, [X 1, X 3 ] = 1 2 X 1, [X 1, X 4 ] = X 5, [X 1, X 5 ] = 0, [X 2, X 3 ] = X 2, [X 2, X 4 ] = 2X 3, [X 2, X 5 ] = X 1, [X 3, X 4 ] = X 4, [X 3, X 5 ] = 1 2 X 5, [X 4, X 5 ] = 0. Zatem one generuj a algebrȩ Vessiota Guldberga piȩciowymiarow a V. Ponadto, pole wektorowe zależne od czasu X t powi azane z uk ladami Hamiltona (25) ma formȩ X (t, x, p) = X 1 (x, p) a 0 (t)x 2 (x, p) a 1 (t)x 3 (x, p) a 2 (t)x 4 (x, p), Wówczas uk lad (25) jest uk ladem Liego. Poza tym, pola wektorowe X 1,..., X 5 s a polami Hamiltonowskimi zwi azanymi ze struktur a symplektyczn a na rozmaitości T R. 26 of 48

27 Dok ladniej, poniższe pola wektorowe maj a Hamiltonowskie funkcje h 1 (x, p) = 2 p, h 2 (x, p) = p, h 3 (x, p) = xp, h 4 (x, p) = x 2 p, h 5 (x, p) = 2x p, takie, że {h i, h j } h 1 h 2 h 3 h 4 h 5 h 6 h h 1 /2 h 5 2h 6 0 h h 2 2h 3 h 1 0 h 3 h 1 /2 h 2 0 h 4 2h 6 0 h 4 h 5 2h 3 h 4 0 h 5 /2 0 h 5 2h 6 h 1 2h 6 h 5 /2 0 0 h i 27 of 48 h t = h 1 a 0 (t)h 2 a 1 (t)h 3 a 2 (t)h 4.

28 Równiania Riccatiego drugiego rzȩdu mog a być powi azane z dzia lani a grupy Liego Φ : G O O w formie ((( λ1 Φ λ 2 ) ( α β, γ δ i zasad a superpozycji )) ( )) x, = p ( ) x0 λ 1 p0 1 + λ 5 ( p 0 ), ( p 1/2 0 + λ 5 ) 2. x (0) = 3( p 2 x 2 p 1 x 1 ) + 2 ( p 1 x 1 p 3 x 3 ) + 1 x 1 p1 3 ( p 2 p 1 ) + 2 ( p 1 p 3 ) +, p 1 k 1 p (0) = ( 1 p1 + 3 ( p 1 p 2 ) + 2 ( p 1 p 3 ))( 2 + p 1 p 2 (x 2 x 1 )) 1 p2 p 1 (x 1 x 2 ) + 2 p2 p 3 (x 2 x 3 ) +. p 3 p 2 (x 3 x 2 ) of 48

29 Definicja Struktur a Liego Hamiltona nazywamy trókȩ (M, Λ, h), gdzie (M, Λ) to rozmaitośc Poissona z bi-wektorem Poissona Λ i h to t-parametryzowana rodzina funkcji h t : M R, taka, że Lie({h t } t R ) to algebra Liego skończonego wymiaru. Definicja Uk ladem Liego Hamiltona nazywamy uk lad X na rozmaitości Poissona (M, Λ) taki, że istnieje struktura Liego Hamiltona (M, Λ, h) taka, że X t Λ( dh t ) dla dowolnego t R. Trójkȩ (M, Λ, X ) nazywamy trójk a Liego Hamiltona. 29 of 48

30 Oscylatory Winternitza Smorodinsky ego można zapisać w nastȩpuj acy sposób ẋ i = p i, ṗ i = ω 2 (t)x i + k i = 1,..., n. xi 3, Powyższy uk lad opisuje ca lki pola wektorowego zależnego od czasu n [ ( X t = p i + ω 2 (t)x i + k ) ] x i xi 3. p i i=1 na T R n. Rozpatrzmy pola wektorowe n n ( 1 X 1 = x i, X 2 = p i 2 i=1 i=1 n ( X 3 = p i + k x i xi 3 i=1 x i p i x i p i ). Za pomoc a tych pól wektorowych można zapisać X t = X 3 ω 2 (t)x of 48 p i ),

31 Ponieważ [X 1, X 2 ] = X 1, [X 2, X 3 ] = X 3, [X 1, X 3 ] = 2X 2, zatem powyższy uk lad jest uk ladem Liego. Ponadto, pola wektorowe X 1, X 2 i X 3 s a polami wektorowymi powi azanymi z funkcjami Hamiltonowskimi h 1 = 1 n n xi 2, h 2 = x i p i, h 3 = 1 n ( pi 2 + b ) i 2 2 xi 2, i=1 i=1 które spe lniaj a relacje komutacyjne i=1 {h 1, h 2 } = h 1, {h 1, h 3 } = 2h 2, {h 2, h 3 } = h 3. Ponieważ X t = Λ(d(h 3 ω 2 (t)h 1 )), wiȩc (M, Λ, h) to struktura Liego Hamiltona. 31 of 48

32 Niech g bȩdzie algebr a Liego, jej przestrzeń dualna g ma strukturȩ rozmaitości Poissona (g, {, } g ). Dok ladniej, {f, g} g (θ) = [d θ f, d θ g] g, θ, f, g C (g ). Rozpatrzmy uk lady w formie dθ dt = ad φ(t) θ, θ g, gdzie φ(t) to krzywa zawarta w g i ad φ(t) θ = θ ad φ(t). Wybierzmy bazȩ {e 1,..., e r } dla g ze sta lymi strukturalnymi c αβγ, tj. [e α, e β ] g = r γ=1 c αβγe γ, α, β = 1,..., n. Zatem pola wektorowe X α (θ) = ad e α (θ) T θ g, α = 1,..., r, generuj a algebrȩ Vessiota Guldberga dla uk ladu na g. 32 of 48

33 Ponadto, te pola wektorowe s a Hamiltonowskimi polami z funkcjami Hamiltonowskimi h α =, e α. Co wiȩcej, funkcje h α generuj a algebrȩ Liego (W, {, } g ) skończonego wymiaru: {h α, h β } g (θ) = [d θ h α, d θ h β ] g, θ = [e α, e β ] g, θ r r = c αβγ e γ, θ = c αβγ h γ (θ). γ=1 W konsekwencji, za pomoc a każdej krzywej h t w (W, {, } g ) możemy zdefinionować strukturȩ Liego Hamiltona (g, Λ g, h). Wówczas X t = r α=1 b α(t)x α, gdzie φ(t) = r α=1 b α(t)e α. Ponieważ X α s a Hamiltonowskimi polami wektorowami, zatem [ ( r r r )] X t = b α (t)x α = b α (t) Λ( dh α ) = Λ d b α (t)h α. α=1 α=1 γ=1 α=1 Innymi s lowami, trójca (g, Λ g, h), gdzie h t = r α=1 b α(t)h α, jest struktur a Liego Hamiltona dla uk ladu X. 33 of 48

34 Pole wektorowe zależne od czasu (jeszcze raz) Z każdym polem wektorowym X n rozmaitości N można powi azać dystrybucjȩ D X tak a, że i jedn a kodystrybucjȩ D X x = {Y x Y V X }, V X x = {ω x ω x (Y ) = 0, Y D X x } = (D X x ). Można stwierdzić, że D X jest inwolutywn a dystrybucj a. Ponadto, dim D x jest lokalnie maksymalny w otwartym i gȩstym podzbiorze U N. 34 of 48

35 Pole wektorowe zależne od czasu Lemat Dla każdego punktu p U gdzie dim D X = k, istnieje (lokalna) baza dla kodystrybucji V X w postaci df 1,..., df n k, gdzie f 1,..., f n k : V U R s a ca lkami pierwszami pól wektorowych w dystrybucji D X V. Twierdzenie Funkcja f : V N R to ca lka uk ladu X, wtedy i tylko wtedy, gdy df V X V. 35 of 48

36 Lemat Dla każdego uk ladu Liego Hamiltona X posiadaj acego strukturȩ Liego Hamiltona (M, Λ, h), odwzorowanie Λ d : Lie({h t } t R ) V X jest homomorfizmem surjektywnym miȩdzy algebrami Liego. W rezultacie, V X Lie({h t} t R ) ) ker ( Λ d i elementy algebry V X s a Hamiltonowskimi polami wektorowymi na rozmaitości Poissona (M, Λ). Dowód Odwzorowanie Λ d jest liniowe. Ponadto, Λ d{f, g} Λ = Λ[df, dg] Λ = [ Λ(df ), Λ(dg)] f, g C (M). Latwo zauważyć, że Λ d jest surjektywny. Z tego wynika stwierdzenie lematu. 36 of 48

37 Twierdzenie Dany uk lad X jest uk ladem Liego Hamiltona wzglȩdem rozmaitości Poissona (M, Λ), wtedy i tylko wtedy, gdy jest uk ladem Liego a elementy algebry V X s a Hamiltonowskimi polami wektorowymi. Niech (M, Λ, h) bȩdzie struktur a Liego-Hamiltona dla uk ladu X. Odwzorowanie Λ d jest morfizmem miȩdzy algebrami Liego (C (M), {, } Λ ) i (X(M), [, ]). Ponieważ Lie({h t } t R ) ma skończony wymiar, to Λ d(lie({h t } t R )) ma skończony wymiar. Zatem, X t V X = Λ d(lie({h t } t R )) i X to uk lad Liego. Latwo zauważyć, że V X s a Hamiltonowskimi polami wektorowymi wzglȩdem rozmaitości (M, Λ). 37 of 48

38 Odwrotnie, jeśli X to uk lad Liego i elementy algebry V X s a Hamiltonowskimi polami wektorowymi, to można definiować zbiór h 1,..., h r Hamiltonowskich funkcji (nad M) dla tych pól. Wówczas I ij = {h i, h j } to funkcja Hamiltonowska dla pola wektorowego Y ij = [X i, X j ] V X. Zatem, istniej a kombinacje g ij = λ 1 h 1,..., λ n h n, takie, że każda g i j jest funcj a Hamiltonowsk a dla Y ij. W konsekwencji, każda funkcja I ij g ij jest Casimir. Jeśli V = {h 1,..., h n }, V (1) = {I ij g ij i = 1,..., n}, to latwo zauważyć, że V V (1) jest algebr a funkcji skończonego wymiaru i X t = Λ(dh t ). Twierdzenie Niech (M, Λ, h) bȩdzie struktur a Liego Hamiltona. Uk lad w postaci X t = Λ( dh t ) jest uk ladem Liego-Hamiltona. 38 of 48

39 Uk lady Liego-Hamiltona i zasady superpozycji Twierdzenie Dany uk lad Liego Hamiltona X powi azany ze struktur a Liego Hamiltona (M, Λ, h) tak a, że dim D X = dim M = dim V X = Lie({h t } t R ), wiȩc X i Λ mog a być zapisane w liniowej postaci na pewnym uk ladzie wspó lrzȩdnych. Dowód Ponieważ zak ladaliśmy, że dim V X = dim Lie({h t } t R ), istnieje baza h 1,..., h r, dla algebry Liego Lie({h t } t R ) taka, że Hamiltonowskie pola wektorowe X 1,..., X r tych elementów s a baz a dla V X. Ponadto, mamy dim M = dim V X, wiȩc te pola wektorowe s a (lokaln a) baz a dla kostycznej przestrzeni TM. Wówczas h 1,..., h r s a uk ladem wspó lrzȩdnych na M i 39 of 48

40 Λ = r {h i, h j } = h i h j i,j=1 r i,j,k=1 c ijk h k. (2) h i h j Latwo zauważyć, że X t = Λ df t, gdzie f t to krzywa zawarta w algebrze Lie({h t } t R ). Zatem ( n ) n X t = Λ dh t = Λ d b l (t)h l = b l (t)( Λ dh l ) = 2 l=1 n b l (t)c ljk h k. h j j,k=1 W rezultacie, X t jest liniowe i posiada liniow a zasadȩ superpozycji w tym uk ladzie wspó lrzȩdnych. l=1 40 of 48

41 Twierdzenie Dany uk lad Liego Hamiltona X ustalony na rozmaitości M, takiej że dim D X = dim M, to M ma wymiar parzysty. Dowód Niech (M, Λ, X ) bȩdzie trójc a Liego Hamiltona a (M, Λ, h) struktur a Liego Hamiltona dla uk ladu X. Za lożmy, że V X jest algebr a Liego skónczonego wymiaru. Zatem istnieje (lokalnie) rodzina pól wektorowych X 1,..., X n V X liniowo niezależnych. Wówczas, rodzina 1 form dh 1,..., dh n W, jest liniowo niezależna i Λ(ω j ) = X j dla j = 1,..., n. W konsekwencji, odwzorowanie Λ U jest izomorfizmem. Zatem, M ma parzysty wymiar. 41 of 48

42 Twierdzenie Dany uk lad Liego-Hamiltona X ustalony na rozmaitości M takiej, że dim D X = dim M i X posiada strukturȩ Liego Hamiltona (M, Λ, h) tak a, że Lie({h t } t R ) V X, wiȩc centrum V X jest trywialne. Dowód Niech X 1 bȩdzie nietrywialnym elementem centrum algebry V X. Ponieważ dim D X = n, istniej a pola wektorowe X 2,..., X n V X generuj ace (razem z X 1 ) lokaln a bazȩ dla wi azki stycznej TM. Jednocześnie, te pola wektorowe s a Hamiltonowskimi polami wektorowymi wzglȩdem pewnych funkcji h 1,..., h n zawartych w Lie({h t } t R ). Jako, że X 1,..., X n s a liniowo niezależne, to dh 1,..., dh n s a liniowo niezależne. Wówczas {h 1,..., h n } to uk lad wspó lrzȩdnych w M. 42 of 48

43 Jako, że V X Lie({h t } t R ), wiȩc [X 1, X j ] = 0, dla j = 2,..., n, oznacza, że {h 1, h j } = 0. Wówczas, Λ = n {h i, h j } = X 1 = h i h Λ(dh 1 ) = 0. j i,j=2 Zatem V X ma trywialne centrum. 43 of 48

44 Ca lka uk lady Liego Hamiltona Twierdzenie Rodzina I X U ca lek niezależnych od czasu na zbiorze otwartym U M dla trójcy (M, Λ, X ) jest algebr a Poissona i ko-dystrybucja V X jest inwolutywna, tj. [ω, ω ] Λ V X U dla każdych ω, ω V X U. Dowód Dane dwie ca lki f 1, f 2 : U R, to df i (Y ) = 0, i = 1, 2, dla każdego pola wektorowego Y V X. Ponieważ X to uk lad Liego Hamiltona, elementy w V X s a Hamiltonowskimi polami wektorowymi. Wówczas, można zapisać Y {f, g} = {Yf, g} + {f, Yg} dla każdej pary funkcji f, g C (M). Zatem Y ({f 1, f 2 }) = {Yf 1, f 2 } + {f 1, Yf 2 } = 0. Jako, że λf 1 + µf 2 i f 1 f 2 s a również ca lkami niezależnymi od czasu dla każdych λ, µ R, to rodzina I X U jest algebr a Poissona. 44 of 48

45 Ko-dystrybucja jest inwolutywna, wtedy i tylko wtedy, gdy dla każdej lokalnej bazy nawias Liego miȩdzy jej elementami należy do dystrybucji. Ko-dystrybucja V X ma lokalk a bazȩ df 1,..., df n k. Ponadto, [df i, df j ] Λ = d({f i, f j }) i funkcja {f i, f j } jest ca lk a pierwsz a. Zatem {f i, f j } = G(f 1,..., f n k ) wynika, że [df i, df j ] Λ V X. Twierdzenie Jeżeli X to uk lad Liego Hamiltona, wiȩc przestrzeń I X U jest grup a funkcji. 45 of 48

46 Definicja Niech X bȩdzie uk ladem na rozmaitości Poissona (M, Λ), jego dystrybucja symetrii, SΛ X, jest dystrybucj a Stefana Sussmana w formie (S X Λ ) x = Λ x (V X x ) T x M. Twierdzenie Niech X bȩdzie uk ladem Liego Hamiltona, to Dystrybucja symetrii powi azana z uk ladem X jest inwolutywna. Jeśli f jest ca lk a pierwsz a (niezależn a od czasu) dla uk ladu X, to Λ(df ) jest symetri a Liego (niezależn a od czasu) dla X. Dystrybucja S X ma lokaln a bazȩ symetrii Liego dla uk ladu X. Ponadto, elementy tej bazy s a Hamiltonowskimi polami wektorotwymi powi azanymi z funkcjami Hamiltonowskimi, które s a ca lkami ruchu (niezależnymi od czasu) dla X. 46 of 48

47 Dla każdych pól wektorowych Y 1, Y 2 w S X, istniej a dwie 2-formy ω, ω S X takie, że Y 1 = Λ(ω), Y 2 = Λ(ω ). Ponieważ X jest uk ladem Liego Hamiltona, to V X jest inwolutywna. Wówczas, [Y 1, Y 2 ] = [ Λ(w), Λ(w )] = Λ([w, w ] Λ ) S X. Niech (M, Λ, h) bȩdzie struktur a Liego Hamiltona dla uk ladu X : [X t, Λ(df )] = [ Λ(dh t ), Λ(df )] = Λ(d{h t, f }) = Λ[d(X t f )] = 0. Ponieważ V X ma lokaln a bazȩ df 1,..., df n k, gdzie f 1,..., f n k to rodzina ca lek ruchu (niezależnych od czasu) dla X. Wówczas, X f1,..., X fn k, to rodzina symetrii Liego dla X generuj aca (lokalnie) S X. Z tego, można latwo wybrać (lokaln a) bazȩ dla S X. 47 of 48

48 Twierdzenie Jeśli Y to Hamiltonowskie pole wektorowe i symetria Liego dla uk ladu Liego Hamiltona X takie, że [V X, V X ] = V X, wiȩc Y S X. 48 of 48

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

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

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

Pierwsze kolokwium z Matematyki I 4. listopada 2013 r. J. de Lucas

Pierwsze kolokwium z Matematyki I 4. listopada 2013 r. J. de Lucas Pierwsze kolokwium z Matematyki I 4. listopada 03 r. J. de Lucas Uwagi organizacyjne: Każde zadanie rozwi azujemy na osobnej kartce, opatrzonej imieniem i nazwiskiem w lasnym oraz osoby prowadz acej ćwiczenia,

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

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

Równania różniczkowe cz astkowe rzȩdu pierwszego

Równania różniczkowe cz astkowe rzȩdu pierwszego Równania różniczkowe cz astkowe rzȩd pierwszego 1 Równania liniowe jednorodne Rozważmy równanie a 1 ( 1,..., n ) 1 +... + a n ( 1,..., n ) n = 0, (1) gdzie a i, i = 1,..., n s a dane, a fnkcja = ( 1,...,

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

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

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

Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym

Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym Sprowadzanie zadań sterowania optymalnego do zadań wariacyjnych metod a funkcji kary i mnożników Lagrange a - zadania sterowania optymalnego

Bardziej szczegółowo

Seria zadań z Algebry IIR nr kwietnia 2017 r. i V 2 = B 2, B 4 R, gdzie

Seria zadań z Algebry IIR nr kwietnia 2017 r. i V 2 = B 2, B 4 R, gdzie Seria zadań z Algebry IIR nr 29 kwietnia 207 r Notacja: We wszystkich poniższych zadaniach K jest ciałem, V wektorow a nad K zaś jest przestrzeni a Zadanie Niechaj V = K 4 [t] Określmy podprzestrzenie

Bardziej szczegółowo

Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym

Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym Sprowadzanie zadań sterowania optymalnego do zadań wariacyjnych metod a funkcji kary i mnożników Lagrange a - zadania sterowania optymalnego

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

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

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

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

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

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 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

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

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

Wyk lad 13 Funkcjona ly dwuliniowe

Wyk lad 13 Funkcjona ly dwuliniowe 1 Izomorfizmy kanoniczne Wyk lad 13 Funkcjona ly dwuliniowe Definicja 13.1. Niech V i W bed przestrzeniami liniowymi. Funkcje ξ : V W R nazywamy funkcjona lem dwuliniowym, jeżeli i a,b R α,β V γ W ξa α

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

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

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

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

Funkcje wielu zmiennych

Funkcje wielu zmiennych Funkcje wielu zmiennych 8 Pochodna kierunkowa funkcji Definicja Niech funkcja f określona bȩdzie w otoczeniu punktu P 0 = (x 0, y 0 ) oraz niech v = [v x, v y ] bȩdzie wektorem. Pochodn a kierunkow a funkcji

Bardziej szczegółowo

w = w i ξ i. (1) i=1 w 1 w 2 :

w = w i ξ i. (1) i=1 w 1 w 2 : S. D. G lazek, www.fuw.edu.pl/ stglazek, 11.III.2005 1 I. MACIERZ LINIOWEGO ODWZOROWANIA PRZESTRZENI WEKTOROWYCH Wyobraźmy sobie, że przestrzeń wektorowa W jest zbudowana z kombinacji liniowych n liniowo

Bardziej szczegółowo

KOLOKWIUM Z ALGEBRY I R

KOLOKWIUM Z ALGEBRY I R Instrucje: Każde zadanie jest za 4 puntów. Rozwi azanie ażdego zadania musi znajdować siȩ na osobnej artce oraz być napisane starannie i czytelnie. W nag lówu ażdego rozwi azania musz a znajdować siȩ dane

Bardziej szczegółowo

Równania różniczkowe. Notatki z wykładu.

Równania różniczkowe. Notatki z wykładu. Równania różniczkowe Notatki z wykładu http://robert.brainusers.net 17.06.2009 Notatki własne z wykładu. Są niekompletne, bez bibliografii oraz mogą zawierać błędy i usterki. Z tego powodu niniejszy dokument

Bardziej szczegółowo

w teorii funkcji. Dwa s lynne problemy. Micha l Jasiczak

w teorii funkcji. Dwa s lynne problemy. Micha l Jasiczak Równania różniczkowe czastkowe w teorii funkcji. Dwa s lynne problemy. Micha l Jasiczak Horyzonty 2014 Podstawowy obiekt wyk ladu: funkcje holomorficzne wielu zmiennych Temat: dwa problemy, których znane

Bardziej szczegółowo

5.6 Klasyczne wersje Twierdzenia Stokes a

5.6 Klasyczne wersje Twierdzenia Stokes a Ostatecznie f = 1 r 2 f ) r 2 r r + ctg ϑ f r 2 ϑ + 1 2 f r 2 ϑ + 1 2 2 f r 2 sin 2 ϑ ϕ 2 56 Klasyczne wersje Twierdzenia Stokes a Odpowiedniość między polami wektorowymi i jednoformami lub n 1)-formami

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

1 Przestrzenie unitarne i przestrzenie Hilberta.

1 Przestrzenie unitarne i przestrzenie Hilberta. Przestrzenie unitarne i przestrzenie Hilberta.. Wykazać, że iloczyn skalarny w przestrzeni wektorowej X nad cia lem K ma nastepuj ace w lasności: (i) x, y + z = x, y + x, z, (ii) x, λy = λ x, y, (iii)

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

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

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

Geometria Różniczkowa II wykład piąty

Geometria Różniczkowa II wykład piąty Geometria Różniczkowa II wykład piąty Wykład piąty poświęcony będzie pojęciu całkowalności dystrybucji oraz fundamentalnemu dal tego zagadnienia twierdzeniu Frobeniusa. Przy okazji postanowiłam sprawdzić

Bardziej szczegółowo

Sterowanie minimalnoczasowe dla uk ladów liniowych. Krzywe prze l aczeń.

Sterowanie minimalnoczasowe dla uk ladów liniowych. Krzywe prze l aczeń. Sterowanie minimalnoczasowe dla uk ladów liniowych. Krzywe prze l aczeń. Sprowadzanie zadań sterowania optymalnego do zadań wariacyjnych metod a funkcji kary i mnożników Lagrange a - zadania sterowania

Bardziej szczegółowo

2. Kombinacja liniowa rozwiązań zeruje się w pewnym punkcie wtedy i tylko wtedy, gdy zeruje się w każdym punkcie.

2. Kombinacja liniowa rozwiązań zeruje się w pewnym punkcie wtedy i tylko wtedy, gdy zeruje się w każdym punkcie. Wniosek 1 Rozpatrzmy układ równań postaci: y 1 = a 11 (x)y 1 + + a 1n (x)y n y 2 = a 21 (x)y 1 + + a 2n (x)y n y n = a n1 (x)y 1 + + a nn (x)y n (1) o współczynnikach ciągłych w przedziale J 1 Rozwiązanie

Bardziej szczegółowo

WYK LAD 5: GEOMETRIA ANALITYCZNA W R 3, PROSTA I P LASZCZYZNA W PRZESTRZENI R 3

WYK LAD 5: GEOMETRIA ANALITYCZNA W R 3, PROSTA I P LASZCZYZNA W PRZESTRZENI R 3 WYK LAD 5: GEOMETRIA ANALITYCZNA W R 3, PROSTA I P LASZCZYZNA W PRZESTRZENI R 3 Definicja 1 Przestrzenia R 3 nazywamy zbiór uporzadkowanych trójek (x, y, z), czyli R 3 = {(x, y, z) : x, y, z R} Przestrzeń

Bardziej szczegółowo

Metody Lagrange a i Hamiltona w Mechanice

Metody Lagrange a i Hamiltona w Mechanice Metody Lagrange a i Hamiltona w Mechanice Mariusz Przybycień Wydział Fizyki i Informatyki Stosowanej Akademia Górniczo-Hutnicza Wykład 9 M. Przybycień (WFiIS AGH) Metody Lagrange a i Hamiltona... Wykład

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

Geometria Różniczkowa I

Geometria Różniczkowa I Geometria Różniczkowa I wykład trzeci NiechC (M)oznaczazbiórwszystkichgładkichfunkcjinarozmaitościM.C (M)jestrzeczywistą, przemienną algebrą z jedynką. Istotną rolę w geometrii różniczkowej odgrywają homomorfizmy

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

OSOBNO ANALITYCZNYCH

OSOBNO ANALITYCZNYCH Uniwersytet Jagielloński Instytut Matematyki Zbigniew B locki ZBIORY OSOBLIWOŚCI FUNKCJI OSOBNO ANALITYCZNYCH Praca magisterska Promotor: Prof. dr hab. Józef Siciak Kraków 99 .Wstȩp. Jeśli Ω jest zbiorem

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

RÓWNANIA RÓŻNICZKOWE ZWYCZAJNE. Marta Zelmańska

RÓWNANIA RÓŻNICZKOWE ZWYCZAJNE. Marta Zelmańska RÓWNANIA RÓŻNICZKOWE ZWYCZAJNE Marta Zelmańska Toruń 009 1 Rozdział 1 Wstęp Definicja 1. Równaniem różniczkowym zwyczajnym rzędu n nazywamy równanie: F (t, x, x, x,..., x (n) ) = 0 (1.1) Rozwiązaniem równania

Bardziej szczegółowo

CHEMIA KWANTOWA MONIKA MUSIA L. Ćwiczenia. mm

CHEMIA KWANTOWA MONIKA MUSIA L. Ćwiczenia.   mm CHEMIA KWANTOWA MONIKA MUSIA L Ćwiczenia METODY PRZYBLIŻONE ROZWIA ZYWANIA RÓWNANIA SCHRÖDINGERA METODA WARIACYJNA metoda wariacyjna ĤΨ n = E n Ψ n Ψ n ortonormalne Szukamy rozwi azań dla stanu podstawowego,

Bardziej szczegółowo

Struktury Geometryczne Mechaniki

Struktury Geometryczne Mechaniki Struktury Geometryczne Mechaniki Paweł Urbański u rb a n ski@fuw.ed u.p l Kat edra Met od Mat ematycznych Fizyki Uniwersyt et Warszawski Sympozjum IFT, 08.12.2007 p. 1/23 MOTYWACJE Dlaczego mechanika (analityczna)?

Bardziej szczegółowo

VI. Równania różniczkowe liniowe wyższych rzędów

VI. Równania różniczkowe liniowe wyższych rzędów VI. 1. Równanie różniczkowe liniowe n-tego rzędu o zmiennych współczynnikach Niech podobnie jak w poprzednim paragrafie K = C lub K = R. Podobnie jak w dziedzinie rzeczywistej wprowadzamy pochodne wyższych

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

Przestrzenie wektorowe

Przestrzenie 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 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

Notatki do wykładu Geometria Różniczkowa I

Notatki do wykładu Geometria Różniczkowa I Notatki do wykładu Geometria Różniczkowa I Katarzyna Grabowska, KMMF 11 listopada 013 1 Alternatywne spojrzenie na wektory styczne Definicja 1 Algebrą nazywamy przestrzeń wektorową A wyposażoną w działanie

Bardziej szczegółowo

Liniowe uk lady sterowania.

Liniowe uk lady sterowania. Liniowe uk lady sterowania Rozwi azywanie liniowych rownań stanu Uk lady z czasem ci ag lym Liniowe stacjonarne równania stanu Przyk lad: Uk lad sterowania tarcz a obrotow a prȩt sprȩżysty tarcza obrotowa

Bardziej szczegółowo

Niesimpleksowe metody rozwia zywania zadań PL. Seminarium Szkoleniowe Edyta Mrówka

Niesimpleksowe metody rozwia zywania zadań PL. Seminarium Szkoleniowe Edyta Mrówka Niesimpleksowe metody rozwia zywania zadań PL Seminarium Szkoleniowe Metoda Simplex: wady i zalety Algorytm SIMPLEX jest szeroko znany i stosowany do rozwi azywania zadań programowania liniowego w praktyce.

Bardziej szczegółowo

Zadania do wykładu Jakościowa Teoria Równań Różniczkowych Zwyczajnych

Zadania do wykładu Jakościowa Teoria Równań Różniczkowych Zwyczajnych Zadania do wykładu Jakościowa Teoria Równań Różniczkowych Zwyczajnych [ ] e Zadanie 1 Pokazać, że X(t) = 2t cos t sin t e 2t jest specjalną macierzą fundamentalną w sin t cos t [ 2 cos chwili τ = 0 układu

Bardziej 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

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

Definicje i przykłady

Definicje i przykłady Rozdział 1 Definicje i przykłady 1.1 Definicja równania różniczkowego 1.1 DEFINICJA. Równaniem różniczkowym zwyczajnym rzędu n nazywamy równanie F (t, x, ẋ, ẍ,..., x (n) ) = 0. (1.1) W równaniu tym t jest

Bardziej szczegółowo

Synteza optymalnego regulatora stanu. Uk lady z czasem ci ag lym.

Synteza optymalnego regulatora stanu. Uk lady z czasem ci ag lym. Synteza optymalnego regulatora stanu. Uk lady z czasem ci ag lym. Po wyznaczeniu optymalnego nominalnego) procesu sterowania x o, u o nasuwa siȩ kwestia podtrzymywania tego procesu w warunkach ma lych

Bardziej szczegółowo

O pewnych klasach funkcji prawie okresowych (niekoniecznie ograniczonych)

O pewnych klasach funkcji prawie okresowych (niekoniecznie ograniczonych) (niekoniecznie ograniczonych) Wydział Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza, Poznań Będlewo, 25-30 maja 2015 Funkcje prawie okresowe w sensie Bohra Definicja Zbiór E R nazywamy względnie

Bardziej szczegółowo

Baza w jądrze i baza obrazu ( )

Baza 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 szczegółowo

Podprzestrzeń wektorowa, baza, suma prosta i wymiar Javier de Lucas

Podprzestrzeń wektorowa, baza, suma prosta i wymiar Javier de Lucas Podprzestrzeń wektorowa, baza, suma prosta i wymiar Javier de Lucas Ćwiczenie 1. Niech W = {(x 1, x 2, x 3 ) K 3 : x 2 1 + x 2 2 + x 2 3 = x 1 x 2 + x 2 x 3 + x 3 x 1 }. Czy W jest podprzestrzeni a gdy

Bardziej szczegółowo

II seria zadań z Geometrii różniczkowej I 26. grudnia 2014 r. (wraz z komentarzem z 5. stycznia 2015 r.)

II seria zadań z Geometrii różniczkowej I 26. grudnia 2014 r. (wraz z komentarzem z 5. stycznia 2015 r.) II seria zadań z Geometrii różniczkowej I 26. grudnia 24 r. (wraz z komentarzem z 5. stycznia 25 r.) Uwaga: W niniejszym tekście stosujemy konwencjȩ sumacyjn a Einsteina! ω Komentarz: Poznaliśmy kilka

Bardziej szczegółowo

Sekantooptyki owali i ich własności

Sekantooptyki owali i ich własności Sekantooptyki owali i ich własności Magdalena Skrzypiec Wydział Matematyki, Fizyki i Informatyki Uniwersytet Marii Curie-Skłodowskiej 19 października 2009r. Informacje wstępne Definicja Owalem nazywamy

Bardziej szczegółowo

1 Przestrzeń liniowa. α 1 x α k x k = 0

1 Przestrzeń liniowa. α 1 x α k x k = 0 Z43: Algebra liniowa Zagadnienie: przekształcenie liniowe, macierze, wyznaczniki Zadanie: przekształcenie liniowe, jądro i obraz, interpretacja geometryczna. Przestrzeń liniowa Już w starożytności człowiek

Bardziej szczegółowo

Przestrzenie wektorowe, liniowa niezależność wektorów, bazy przestrzeni wektorowych

Przestrzenie wektorowe, liniowa niezależność wektorów, bazy przestrzeni wektorowych Grupa, cia lo Zadanie 1. Jakie w lasności w zbiorze liczb naturalnych, ca lkowitych, wymiernych, rzeczywistych maj dzia lania a b = a b, a b = a 2 + b 2, a b = a+b, a b = b. 2 Zadanie 2. Pokazać, że (R

Bardziej szczegółowo

Geometria Różniczkowa II

Geometria Różniczkowa II Geometria Różniczkowa II reszta wykładu siódmego i wykład ósmy Wszyscy słuchacze wykładu wiedzą, mam nadzieję, co to jest grupa i znają podstawowe przykłady grup skończonych i nieskończonych. Teoria grup

Bardziej szczegółowo

VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa.

VII. 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 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

Przestrzenie liniowe

Przestrzenie 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 szczegółowo

1 Relacje i odwzorowania

1 Relacje i odwzorowania Relacje i odwzorowania Relacje Jacek Kłopotowski Zadania z analizy matematycznej I Wykazać, że jeśli relacja ρ X X jest przeciwzwrotna i przechodnia, to jest przeciwsymetryczna Zbadać czy relacja ρ X X

Bardziej szczegółowo

Algebra i jej zastosowania konspekt wyk ladu, czȩść druga

Algebra i jej zastosowania konspekt wyk ladu, czȩść druga Algebra i jej zastosowania konspekt wyk ladu, czȩść druga Anna Romanowska January 29, 2016 4 Kraty i algebry Boole a 41 Kraty zupe lne Definicja 411 Zbiór uporza dkowany (P, ) nazywamy krata zupe lna,

Bardziej szczegółowo

1 Zbiory i działania na zbiorach.

1 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 szczegółowo

Notatki do wykładu Geometria Różniczkowa I

Notatki do wykładu Geometria Różniczkowa I Notatki do wykładu Geometria Różniczkowa I Katarzyna Grabowska, KMMF 22 października 2013 1 Przestrzeń styczna i kostyczna c.d. Pora na podsumowanie: Zdefiniowaliśmy przestrzeń styczną do przestrzeni afinicznej

Bardziej szczegółowo

Wprowadzenie z dynamicznej optymalizacji

Wprowadzenie z dynamicznej optymalizacji Wprowadzenie z dynamicznej optymalizacji Lukasz Woźny 29 kwietnia 2007 Spis treści 1 Optymalizacja statyczna a optymalizacja dynamiczna 2 1.1 Ekstrema lokalne funkcji wielu zmiennych - statyka...... 2

Bardziej szczegółowo

Analiza II.2*, lato komentarze do ćwiczeń

Analiza II.2*, lato komentarze do ćwiczeń Analiza.2*, lato 2018 - komentarze do ćwiczeń Marcin Kotowski 5 czerwca 2019 1 11 2019, zadanie 2 z serii domowej 1 Pokażemy, że jeśli f nie jest stała, to całka: f(x f(y B B x y dx dy jest nieskończona.

Bardziej szczegółowo

Równania liniowe. Rozdział Przekształcenia liniowe. Niech X oraz Y będą dwiema niepustymi przestrzeniami wektorowymi nad ciałem

Równania liniowe. Rozdział Przekształcenia liniowe. Niech X oraz Y będą dwiema niepustymi przestrzeniami wektorowymi nad ciałem Rozdział 6 Równania liniowe 6 Przekształcenia liniowe Niech X oraz Y będą dwiema niepustymi przestrzeniami wektorowymi nad ciałem F Definicja 6 Funkcję f : X Y spełniającą warunki: a) dla dowolnych x,

Bardziej szczegółowo

Równania różniczkowe liniowe wyższych rzędów o stałych współcz

Równania różniczkowe liniowe wyższych rzędów o stałych współcz Równania różniczkowe liniowe wyższych rzędów o stałych współczynnikach Katedra Matematyki i Ekonomii Matematycznej SGH 12 maja 2016 Równanie liniowe n-tego rzędu Definicja Równaniem różniczkowym liniowym

Bardziej szczegółowo

Zadania z Algebry liniowej 4 Semestr letni 2009

Zadania 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 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

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

Lokalna odwracalność odwzorowań, odwzorowania uwikłane

Lokalna 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 szczegółowo

A. Strojnowski - Twierdzenie Jordana 1

A. Strojnowski - Twierdzenie Jordana 1 A Strojnowski - Twierdzenie Jordana 1 Zadanie 1 Niech f b edzie endomorfizmem skończenie wymiarowej przestrzeni V nad cia lem charakterystyki różnej od 2 takim, że M(f) nie jest diagonalizowalna ale M(f

Bardziej szczegółowo

Rozdzia l 10. Formy dwuliniowe i kwadratowe Formy dwuliniowe Definicja i przyk lady

Rozdzia l 10. Formy dwuliniowe i kwadratowe Formy dwuliniowe Definicja i przyk lady Rozdzia l 10 Formy dwuliniowe i kwadratowe 10.1 Formy dwuliniowe 10.1.1 Definicja i przyk lady Niech X K b edzie przestrzenia liniowa nad cia lem K, dim(x K ) = n. Definicja 10.1 Przekszta lcenie ϕ : X

Bardziej szczegółowo

Układy równań i równania wyższych rzędów

Układy 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 szczegółowo

Zestaw zadań 5: Sumy i sumy proste podprzestrzeni. Baza i wymiar. Rzędy macierzy. Struktura zbioru rozwiązań układu równań.

Zestaw 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 szczegółowo

z pokryciem (O i ) i I rozkładu jedności (α i ) i I. Zauważmy najpierw, że ( i I α i )ω dω = d(1 ω) = d d(α i ω). Z drugiej jednak strony

z pokryciem (O i ) i I rozkładu jedności (α i ) i I. Zauważmy najpierw, że ( i I α i )ω dω = d(1 ω) = d d(α i ω). Z drugiej jednak strony Dowód: Niech M będzie jak w założeniach twierdzenia. Weźmy skończony atlas O i, ϕ i ) na M zgodny z orientacją. Zbiór indeksów I może być skończony, gdyż rozmaitość M jest zwarta. Õi, ϕ i ) oznaczać będzie

Bardziej szczegółowo

4 Równania różniczkowe w postaci Leibniza, równania różniczkowe zupełne

4 Równania różniczkowe w postaci Leibniza, równania różniczkowe zupełne Równania w postaci Leibniza 4 1 4 Równania różniczkowe w postaci Leibniza, równania różniczkowe zupełne 4.1 Równania różniczkowe w postaci Leibniza Załóżmy, że P : D R i Q: D R są funkcjami ciągłymi określonymi

Bardziej szczegółowo

Metoda Simplex bez użycia tabel simplex 29 kwietnia 2010

Metoda Simplex bez użycia tabel simplex 29 kwietnia 2010 R. Rȩbowski 1 WPROWADZENIE Metoda Simplex bez użycia tabel simplex 29 kwietnia 2010 1 Wprowadzenie Powszechnie uważa siȩ, że metoda simplex, jako uniwersalny algorytm pozwalaj acyznaleźć rozwi azanie optymalne

Bardziej szczegółowo

II. Równania autonomiczne. 1. Podstawowe pojęcia.

II. Równania autonomiczne. 1. Podstawowe pojęcia. II. Równania autonomiczne. 1. Podstawowe pojęcia. Definicja 1.1. Niech Q R n, n 1, będzie danym zbiorem i niech f : Q R n będzie daną funkcją określoną na Q. Równanie różniczkowe postaci (1.1) x = f(x),

Bardziej szczegółowo

Zadania z Algebry liniowej 3 semestr zimowy 2008/2009

Zadania z Algebry liniowej 3 semestr zimowy 2008/2009 Zadania z Algebry liniowej 3 semestr zimowy 2008/2009 1. Niech V będzie przestrzenią wektorową nad ciałem K i niech 0 K oraz θ V będą elementem zerowym ciała K i wektorem zerowym przestrzeni V. Posługując

Bardziej szczegółowo

PEWNE ZASTOSOWANIA TEORII DYSTRYBUCJI I RACHUNKU OPERATOROWEGO W TEORII RÓWNAŃ RÓŻNICZKOWYCH

PEWNE ZASTOSOWANIA TEORII DYSTRYBUCJI I RACHUNKU OPERATOROWEGO W TEORII RÓWNAŃ RÓŻNICZKOWYCH PEWNE ZASTOSOWANIA TEORII DYSTRYBUCJI I RACHUNKU OPERATOROWEGO W TEORII RÓWNAŃ RÓŻNICZKOWYCH WŁADYSŁAW KIERAT Oliver Heaviside w latach 1893-1899 opublikował trzytomową monografię: Elektromagnetic Theory,

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

Po wprowadzeniu zmiennych uzupe lniaj acych otrzymamy równoważny mu problem w postaci kanonicznej:

Po wprowadzeniu zmiennych uzupe lniaj acych otrzymamy równoważny mu problem w postaci kanonicznej: ROZDZIA L Metoda sympleksowa Motto: Matematyka nie może wype lnić życia ale jej nieznajomość już niejednemu je wype lni la H Steinhaus Tablica sympleksowa Rozważmy ZPL w postaci klasycznej maksymalizować

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

Algebra liniowa II. Lista 1. 1 u w 0 1 v 0 0 1

Algebra liniowa II. Lista 1. 1 u w 0 1 v 0 0 1 Algebra liniowa II Lista Zadanie Udowodnić, że jeśli B b ij jest macierzą górnotrójkątną o rozmiarze m m, to jej wyznacznik jest równy iloczynowi elementów leżących na głównej przekątnej: det B b b b mm

Bardziej szczegółowo