WŠASNO CI PROJEKCJI MINIMALNYCH

Wielkość: px
Rozpocząć pokaz od strony:

Download "WŠASNO CI PROJEKCJI MINIMALNYCH"

Transkrypt

1 UNIWERSYTET JAGIELLO SKI WYDZIAŠ MATEMATYKI I INFORMATYKI INSTYTUT MATEMATYKI WŠASNO CI PROJEKCJI MINIMALNYCH DOMINIK MIELCZAREK Praca doktorska napisana pod kierunkiem prof. dr hab. Grzegorza Lewickiego Kraków 2008

2 PODZI KOWANIA Szczególne podzi kowania skªadam mojej»onie Joannie, która podtrzymywaªa mnie na duchu w czasie pisania tej pracy. Jej pomoc duchowa i wiara we mnie przyczyniªa si w znacznym stopniu do napisania tej pracy. Dzi kuj równie» mojemu promotorowi prof. dr hab. Grzegorzowi Lewickiemu za cenne uwagi i zaproponowanie bardzo ciekawych problemów, których rozwi zanie stanowi niniejsza praca. 1

3 Spis tre±ci 1 Wst p 3 2

4 1 Wst p Oznaczmy przez P(X, Y ) zbiór wszystkich liniowych i ci gªych projekcji z przestrzeni unormowanej (X, ) na jej podprzestrze«y tzn. P(X, Y ) = { P B(X, Y ) : P Y = Id Y }, gdzie B(X, Y ) jest przestrzeni odwzorowa«liniowych i ci gªych prowadz - cych z X do Y. Powiemy,»e odwzorowanie P : X Y jest projekcj z X na Y wtedy i tylko wtedy, gdy P P(X, Y ). Aby nie byªo w tpliwo±ci, w caªej tej pracy zakªadamy,»e ka»dy operator jest liniowy. Staª równ λ(x, Y ) = inf { P : P P(X, Y )}, nazywamy relatywn staª projekcji. Projekcj P 0 P(X, Y ) nazywamy minimaln, je±li P 0 = λ(x, Y ). Analogicznie, projekcj P 0 P(X, Y ) nazywamy kominimaln, je±li Id P 0 = inf { Id P : P P(X, Y ) }. Istniej przestrzenie dla których zbiór P(X, Y ) jest zbiorem pustym. Tak jest na przykªad w przypadku, gdy X jest przestrzeni ci gów ograniczonych z norm supremum, natomiast Y to podprzestrze«x zªo»ona z ci gów zbie»nych do zera [42]. Je±li jednak istnieje projekcja z przestrzeni X na Y, to przestrze«y nazywamy uzupeªnialn. Dla pewnych podprzestrzeni wiadomo,»e zbiór P(X, Y ) jest niepusty. Zachodzi bowiem nast puj ce Twierdzenie 1.1 [43]. Niech X b dzie przestrzeni unormowan, a Y jej podprzestrzeni. Je»eli wymiar lub kowymiar przestrzeni Y jest sko«czony, to istnieje projekcja z przestrzeni X na podprzestrze«y. Zachodzi równie» nast puj ce Twierdzenie 1.2 [43]. Niech X b dzie przestrzeni unormowan, a Y jej podprzestrzeni o kowymiarze sko«czonym. Wtedy zachodzi nierówno± λ(x, Y ) codimy

5 W przypadku gdy kowymiar Y jest sko«czony, to wiadomo równie» jaka jest posta dowolnej projekcji ze zbioru P(X, Y ). Twierdzenie 1.3 [43]. Niech Y b dzie podprzestrzeni przestrzeni Banacha X. Ponadto niech kowymiar Y b dzie równy k oraz Y = k i=1 kerf i, gdzie funkcjonaªy f 1,..., f k z X s liniowo niezale»ne. Wtedy operator P jest projekcj z X na Y wtedy i tylko wtedy, gdy istniej y 1,..., y k X speªniaj ce warunki f i (y j ) = δ ij dla i, j = 1,..., k i takie,»e P ( ) = Id( ) k f i ( )y i. Odnotujmy,»e projekcje minimalne s zwi zane w pewnym sensie z twierdzeniem Hahna-Banacha, poniewa» w przypadku projekcji z X na Y szukamy rozszerzenia operatora Id: Y Y na X o mo»liwie najmniejszej normie, a takim rozszerzeniem jest dowolna projekcja minimalna. Minimalno± projekcji jest ±ci±le zwi zana z nast puj c nierówno±ci Lebesgue'a x P x Id P dist(x, Y ) (1 + P )dist(x, Y ), która zachodzi dla dowolnej projekcji P P(X, Y ) i dla dowolnego x X. Nierówno± ta daje oszacowanie aproksymacji dowolnego elementu x X przez element P x Y. Wida,»e ta aproksymacja jest lepsza dla projekcji P o maªej normie. Za pocz tek teorii projekcji minimalnych mo»na uzna twierdzenie o minimalno±ci projekcji Fouriera. Twierdzenie 1.4 [11]. Niech Y n oznacza podprzestrze«wielomianów trygonometrycznych stopnia co najwy»ej n. Wtedy klasyczna projekcja Fouriera z przestrzeni C(2π) na Y n jest minimalna. Bardzo wa»nym poj ciem jest jedyno± projekcji minimalnej. Projekcj minimaln P 0 P(X, Y ) nazywamy jedyn, je±li jest jedyn projekcj minimaln. Przez wiele lat problem czy klasyczna projekcja Fouriera jest jedyna, byª nierozwi zany. Udaªo si go rozwi za dopiero 20 lat po opublikowaniu pracy [11]. Twierdzenie 1.5 [15]. Klasyczna projekcja Fouriera z przestrzeni C(2π) na podprzestrze«y n jest jedyna. 4 i=1

6 Oczywi±cie, projekcja minimalna nie zawsze istnieje. Jednak dla pewnych przestrzeni wiemy,»e projekcje minimalne istniej. Zachodzi bowiem nast puj ce Twierdzenie 1.6 [17]. Niech Y b dzie podprzestrzeni przestrzeni Banacha X. Je±li zbiór P(X, Y ) jest niepusty i przestrze«y jest izomorczna z przestrzeni dualn do pewnej przestrzeni Banacha Z, to istnieje projekcja minimalna z X na Y. Niestety twierdzenie 1.6, a raczej jego dowód, jest zupeªnie niekonstruktywny. W pewnych jednak przypadkach mo»na konstruktywnie wyznaczy projekcj minimaln. Przypomnimy podstawowe poj cia zwi zane z dziaªaniem grupy na zbiorze. Niech X b dzie przestrzeni Banacha, a G zwart grup topologiczn. Powiemy,»e grupa G dziaªa jako grupa operatorów na przestrzeni X, je±li ka»demu elementowi g G odpowiada ci gªy operator A g : X X o wªasno±ciach: A e = Id, A xy = A x A y, dla dowolnych x, y G. Operator A g w skrócie oznaczamy przez g. Dodatkowo zakªadamy,»e dla ustalonego x X funkcja A g (x) jest ci gªa ze wzgl du na zmienn g. Powiemy,»e podprzestrze«y przestrzeni X jest niezmiennicza wzgl dem G je±li A g (Y ) Y, dla dowolnego g G. Mówimy,»e projekcja P P(X, Y ) jest przemienna z grup G wtedy i tylko wtedy, gdy dla ka»dego g G zachodzi A g P = P A g. Wtedy zachodzi nast puj ce twierdzenie Rudina Twierdzenie 1.7 [37]. Niech zwarta grupa topologiczna G dziaªa jako grupa operatorów na przestrzeni Banacha X. Zaªó»my,»e podprzestrze«y przestrzeni X jest niezmiennicza wzgl dem grupy G. Wtedy, je±li istnieje projekcja z przestrzeni X na Y, to dla ka»dego ε > 0 istnieje projekcja Q, która jest przemienna z grup G i taka,»e Q (λ(x, Y ) + ε) sup g 2. g G 5

7 Dla dowolnej ustalonej projekcji P P(X, Y ) o wªasno±ci P λ(x, Y )+ε szukana projekcja Q jest zdeniowana wzorem Q(x) = G gp g 1 (x)dg, dla x X. Symbol dg oznacza probabilistyczn miar Haara na grupie G. W szczególno±ci, je±li dla ka»dego elementu g G operatory A g s izometriami, wtedy zachodzi nast puj ce Twierdzenie 1.8 Niech zwarta grupa topologiczna G dziaªa jako grupa operatorów na przestrzeni Banacha X. Zaªó»my,»e podprzestrze«y przestrzeni X jest niezmiennicza wzgl dem grupy G. Ponadto niech dla ka»dego g G operator A g b dzie izometri na X. Wtedy, je±li istnieje dokªadnie jedna projekcja P P(X, Y ) przemienna z grup G, to projekcja ta jest minimalna i kominimalna. Powy»sze rozumowanie nie implikuje,»e projekcja ta jest jedyna. Mo»e si bowiem zdarzy,»e istnieje wiele projekcji nieprzemiennych z grup G o minimalnej normie. Twierdzenie 1.8 wyrosªo z dowodu twierdzenia o minimalno±ci projekcji Fouriera, przypadek ten byª jego pierwszym zastosowaniem. Przejd¹my teraz do twierdze«dotycz cych jedyno±ci projekcji. Dla dowolnej przestrzeni unormowanej X przez S(X) oznaczamy sfer jednostkow a przez B(X) domkni t kul jednostkow. Przestrze«unormowan (X, ) nazywamy gªadk wtedy i tylko wtedy, gdy dla ka»dego punktu x S(X) istnieje dokªadnie jeden funkcjonaª f x S(X ) taki,»e f x (x) = x. Punktem ekstremalnym zbioru K nazywamy ka»dy punkt ze zbioru K, nie b d cy ±rodkiem»adnego odcinka o ko«cach b d cych dwoma ró»nymi punktami zbioru K. Zbiór punktów ekstremalnych zbioru K oznaczamy przez extk. Zachodzi znane twierdzenie Twierdzenie 1.9 [27]. Niech X b dzie gªadk przestrzeni Banacha a Y dowoln jej podprzestrzeni. Wtedy je±li istnieje projekcja z X na Y o normie równej jeden, to projekcja ta jest jedyna. Podprzestrze«Y przestrzeni unormowanej X nazwiemy sªabo oddzielaj c, je»eli ka»dy punkt ekstremalny sfery jednostkowej S(Y ) ma jedyne rozszerzenie do punktu ze sfery jednostkowej S(X ). 6

8 Twierdzenie 1.10 [12]. Niech Y b dzie sªabo oddzielaj c podprzestrzeni przestrzeni unormowanej X. Wtedy je»eli istnieje projekcja z X na Y o normie równej jeden, to projekcja ta jest jedyna. Inne rezultaty dotycz ce problemów istnienia, jedyno±ci, oszacowania relatywnej staªej projekcji mo»na znale¹ w [1], [2], [4], [5], [8], [9], [13], [16], [18], [19], [21], [20], [22], [33], [35], [38]. Oznaczmy przez z norm B(X) = { T : X X : T jest liniowy i ci gªy }, A = sup Ax, x =1 dla A B(X). Operator A B(X) jest zwarty, je±li domkni cie zbioru A (B (X)) jest zwarte w X. Oznaczmy przez z norm K(X) = { T B(X) : T jest zwarty }, A = sup Ax, x =1 dla A K(X). Przejd¹my teraz do omówienia gªównych wyników pracy. Praca ta skªada si z sze±ciu rozdziaªów. W drugim rozdziale pracy w lemacie?? podana zostaªa ogólna posta projekcji na pewne podprzestrzenie o kowymiarze niesko«czonym. Korzystaj c z lematu?? w podrozdziale drugim zostaªa wyznaczona projekcja minimalna i norma tej projekcji z przestrzeni funkcji ci gªych na odcinku [0, 1] na podprzestrze«y funkcji, które zeruj si na ci gu {x n } n=1 [0, 1] monotonicznie zbie»nym do jedno±ci (twierdzenia??,??,??,??). Gªównymi twierdzeniami w tej pracy s nast puj ce Twierdzenie 1.11 [30]. Niech H b dzie o±rodkow i rzeczywist przestrzeni Hilberta. Wtedy istnieje dokªadnie jedna projekcja P a P (K(H), Y ) o normie równej jeden, gdzie Y = { A K(H) : A = A T }. 7

9 Projekcja ta wyra»a si wzorem P a (A) = A + AT 2 dla dowolnego operatora A ze zbioru K(H), oczywi±cie A T oznacza operator sprz»ony do A. Projekcj P a nazywamy projekcj u±redniania. Dowód tego twierdzenia skªada si z dwóch cz ±ci. Pierwsza cz ± to twierdzenie?? dotycz ce przypadku, gdy H jest niesko«czenie wymiarow, rzeczywist i o±rodkow przestrzeni Hilberta. Druga cz ± to twierdzenie?? dotycz ce przypadku, gdy H jest rzeczywist, sko«czenie wymiarow przestrzeni Hilberta. Twierdzenie 1.12 Niech H b dzie o±rodkow, rzeczywist przestrzeni Hilberta. Niech Q P (U(H), Y 1 ) b dzie dowoln projekcj o normie równej jeden, gdzie U(H) = { A B(H) : A A T jest zwarty }, Wtedy Q wyra»a si wzorem Y 1 = { A B(H) : A = A T }., dla A U(H). Q(A) = A + AT 2, W rozdziale czwartym koncentrujemy si na przestrzeni macierzy kwadratowych z norm generowan przez norm symetryczn. Bardziej szczegóªowo, niech X n = {A: R n R n : A jest liniowe}, Y n = { A X n : A = A T }. Po ustaleniu w przestrzeni R n bazy kanonicznej, ka»dy element z przestrzeni X n jest macierz kwadratow o wymiarze n. Powiemy,»e norma na przestrzeni R n jest symetryczna, je±li speªnia warunek n n a i e i = ε i a σ(i) e i, i=1 8 i=1

10 dla dowolnych a i R, dowolnej permutacji σ zbioru {1,..., n}, dowolnych ε i { 1, 1}. Oczywi±cie, e i, to i-ty wektor bazy kanonicznej w przestrzeni R n. Powiemy,»e norma na przestrzeni X n jest generowana przez norm symetryczn na przestrzeni R n wtedy i tylko wtedy, gdy istnieje norma 0 symetryczna na przestrzeni R n i taka,»e A = sup Ax 0, x 0 =1 dla dowolnej macierzy A X n. Gªównym rezultatem w rozdziale czwartym jest nast puj ce Twierdzenie 1.13 [31]. Je±li w przestrzeni unormowanej (X n, ) norma macierzy jest generowana przez norm symetryczn na przestrzeni R n, to projekcja u±redniania P a P(X n, Y n ) okre±lona wzorem P a (A) = A + AT 2 dla A X n, jest projekcj minimaln. W rozdziale tym zostaªa wyliczona norma projekcji u±redniania w przypadku normy macierzy generowanej przez normy 1, (twierdzenie??, twierdzenie??). Wykazano równie»,»e je±li norma macierzy nie jest generowana przez norm symetryczn, to projekcja u±redniania nie jest minimalna (twierdzenie??). Wyniki rozdziaªu trzeciego zostaªy opublikowane w [30]. Natomiast wyniki z rozdziaªu czwartego opublikowano w [31]., 9

11 Literatura [1] M. Baronti, P. Papini, Norm one projections onto subspaces of l p, Ann. Mat. Pura Appl. 152 (1988), [2] J. Blatter, E. W. Cheney, Minimal projections onto hyperplanes in sequence spaces, Ann. Mat. Pura Appl. 101 (1974), [3] H. F. Bohnenblust, Subspaces of l p,n -spaces, Amer. J. Math. 63 (1941), [4] B. L. Chalmers, G. Lewicki, Symmetric spaces with maximal projections constants, J. Funct. Anal. 200 (1) (2003), [5] B. L. Chalmers, G. Lewicki, Symmetric subspaces of L 1 with large projections constants, Studia Math. 134 (1999), [6] B. L. Chalmers, D. Mupasiri and M. Prophet, A characterization and equations for shape-preserving projections, Journ. Approx. Th. vol. 138 (2006), [7] B. L. Chalmers, F. T. Metcalf, The determination of minimal projections and extensions in L 1, Trans. Amer. Math. Soc. 329 (1992), [8] E. W. Cheney, P. D. Morris, On the existence and characterization of minimal projections, J. Reine Angew. Math. 270 (1974), [9] E. W. Cheney, W. A. Light, Approximation Theory in Tensor Product Spaces, Lectures Notes in Math. vol 1169, Springer-Verlag, Berlin (1985). [10] E. W. Cheney, C. R. Hobby, P. D. Morris, F. Schurer and D. E. Wulbert, On the minimal property of Fourier projection, Bull. Amer. Math. Soc. 75 (1969), [11] E. W. Cheney, C. R. Hobby, P. D. Morris, F. Schurer and D. E. Wulbert, On the minimal property of Fourier projection, Trans. Amer. Math. Soc. 143 (1969), [12] E. W. Cheney, K. H. Price, Minimal projections in Approximation Theory, Proc. Symp. Lancaster, July 1969, London (1970), Trans. Amer. Math. Soc. 143 (1969), [13] H. B Cohen, F. E. Sullivan, Projections onto cycles in smooth, reexive Banach spaces, Pac. J. Math. 265 (1981),

12 [14] H. S. Collins, W. Ruess, Weak compactness in spaces of compact operators and of vector-valued functions, Pac. J. Math. 106 (1983), [15] S. D. Fisher, P.D. Morris, D.E. Wulbert, Unique minimality of Fourier projections, Trans. Amer. Math. Soc. 265 (1981), [16] C. Franchetti, Projections onto hyperplanes in Banach spaces, J. Approx. Theory 38 (1983), [17] J. R. Isbell, Z. Semadeni, Projections constants and spaces of continuous functions, Trans. Amer. Math. Soc. 107 no. 1 (1963), [18] J. E. Jamison, A. Kaminska and G. Lewicki, One-complemented subspaces of Musielak-Orlicz sequence spaces, Journ. Approx. Th. vol. 130, (2004), [19] H. Koenig, Spaces with large projections constants, Isreal J. Math. 50 (1985), [20] H. Koenig, N. Tomczak-Jaegermann, Norms of minimal projections, J. Funct. Anal. 119 (1994), [21] H. Koenig, N. Tomczak-Jaegermann, Bounds for projection constants and 1-summing norms, Trans. Amer. Math. Soc. 320 (1990), [22] G. Lewicki, Best approximation in spaces of bounded linear operators, Dissertations Math. 330 (1994), [23] G. Lewicki, On the unique minimality of the Fourier type-type extensions in L 1 space, in: "Proceedings Fifth Internat. Conf. On Function Spaces, Poznan 1998", Lect. Not. Pure and Applied Math. 213 (1998), [24] G. Lewicki, G. Marino and P. Pietramala, Fourier-type minimal extensions in real L 1 -space, Rocky Mount.J.Math. 30 no.3 (2000), [25] G. Lewicki, M. Prophet, Codimension-one minimal projections onto Haar subspaces, Journ. Approx. Th. vol. 127 (2004), [26] G. Lewicki, M. Prophet, Minimal multi-convex projections, Studia Math. 178 (2007), [27] G. Lewicki, L. Skrzypek, Chalmers-Metcalf operator and uniqueness of minimal projections, Journ. Aprox. Th. 148 (2007), [28] P. V. Lambert, Minimum norm property of the Fourier projection in spaces of continuous function Bull. Soc. Math. Belg. 21 (1969),

13 [29] P. V. Lambert, Minimum norm property of the Fourier projection in spaces of L 1 -spaces Bull. Soc. Math. Belg. 21 (1969), [30] D. Mielczarek, The unique minimality of an averaging projection, Monatsch. Math. 154 (2008), [31] D. Mielczarek, Minimal projections onto spaces of symmetric matrices, Universitatis Iagellonicae Acta Mathematica 44 (2006), [32] J. Musielak, Wst p do analizy funkcjonalnej, PWN (1989). [33] Wª. Odyniec, G. Lewicki, Minimal projections in Banach Spaces, in: Lectures Notes in Mathematics, Vol. 1449, Springer, Berlin, Heildelberg, New York, [34] R. Phelps, Lectures on Choquet's Theorem, in: D.Van Nistrand Company, Vol. 1449, Springer, New York [35] B. Randriannantoanina, One-complemented subspaces of real sequence spaces, Results Math. (33) (1998), [36] S. Rolewicz, On minimal projections of the spaces L 1 ([0, 1]) on 1- codimensional subspace, Bull. Polish Acad. Sci. Math. 34 (1996), [37] W. Rudin, Analiza funkcjonalna, PWN (2002). [38] L. Skrzypek, Uniqueness of minimal projections in smooth matrix spaces, J. Approx. Theory (107) (2000), [39] L. Skrzypek, B. Shekhtman, Uniqueness of minimal projections onto two-dimensional subspaces, Studia Math. (168) (2005), [40] L. Skrzypek, B. Shekhtman, Norming points and unique minimality of orthogonal projections, Abstract and Applied Analysis (2006), [41] L. Skrzypek, On the uniqueness of norm-one projection in James-type spaces generated by lattice norms, East Journal an Approximations (6) (2000), [42] A. Sobczyk, Projections of the space (m) on its subspace c 0, Bull. Amer. Math. Soc. 47 (1941), [43] P. Wojtaszczyk, Banach Spaces For Analysts, Cambridge Univ. Press,

Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych.

Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych. Wykªad jest prowadzony w oparciu o podr cznik Analiza matematyczna 2. Denicje, twierdzenia, wzory M. Gewerta i Z. Skoczylasa. Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych. Denicja Mówimy,»e funkcja

Bardziej szczegółowo

Twierdzenie Wainera. Marek Czarnecki. Warszawa, 3 lipca Wydziaª Filozoi i Socjologii Uniwersytet Warszawski

Twierdzenie Wainera. Marek Czarnecki. Warszawa, 3 lipca Wydziaª Filozoi i Socjologii Uniwersytet Warszawski Twierdzenie Wainera Marek Czarnecki Wydziaª Filozoi i Socjologii Uniwersytet Warszawski Wydziaª Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski Warszawa, 3 lipca 2009 Motywacje Dla dowolnej

Bardziej szczegółowo

Metody dowodzenia twierdze«

Metody dowodzenia twierdze« Metody dowodzenia twierdze«1 Metoda indukcji matematycznej Je±li T (n) jest form zdaniow okre±lon w zbiorze liczb naturalnych, to prawdziwe jest zdanie (T (0) n N (T (n) T (n + 1))) n N T (n). 2 W przypadku

Bardziej szczegółowo

det A := a 11, ( 1) 1+j a 1j det A 1j, a 11 a 12 a 21 a 22 Wn. 1 (Wyznacznik macierzy stopnia 2:). = a 11a 22 a 33 +a 12 a 23 a 31 +a 13 a 21 a 32

det A := a 11, ( 1) 1+j a 1j det A 1j, a 11 a 12 a 21 a 22 Wn. 1 (Wyznacznik macierzy stopnia 2:). = a 11a 22 a 33 +a 12 a 23 a 31 +a 13 a 21 a 32 Wyznacznik Def Wyznacznikiem macierzy kwadratowej nazywamy funkcj, która ka»dej macierzy A = (a ij ) przyporz dkowuje liczb det A zgodnie z nast puj cym schematem indukcyjnym: Dla macierzy A = (a ) stopnia

Bardziej szczegółowo

Relacj binarn okre±lon w zbiorze X nazywamy podzbiór ϱ X X.

Relacj binarn okre±lon w zbiorze X nazywamy podzbiór ϱ X X. Relacje 1 Relacj n-argumentow nazywamy podzbiór ϱ X 1 X 2... X n. Je±li ϱ X Y jest relacj dwuargumentow (binarn ), to zamiast (x, y) ϱ piszemy xϱy. Relacj binarn okre±lon w zbiorze X nazywamy podzbiór

Bardziej szczegółowo

Zadania. 4 grudnia k=1

Zadania. 4 grudnia k=1 Zadania 4 grudnia 205 Zadanie. Poka»,»e dla dowolnych liczb zespolonych z,..., z n istnieje zbiór B {,..., n}, taki,»e n z k π z k. k B Zadanie 2. Jakie warunki musz speªnia ci gi a n i b n, aby istniaªy

Bardziej szczegółowo

Wykªad 4. Funkcje wielu zmiennych.

Wykªad 4. Funkcje wielu zmiennych. Wykªad jest prowadzony w oparciu o podr cznik Analiza matematyczna 2. Denicje, twierdzenia, wzory M. Gewerta i Z. Skoczylasa. Wykªad 4. Funkcje wielu zmiennych. Zbiory na pªaszczy¹nie i w przestrzeni.

Bardziej szczegółowo

Ekstremalnie maªe zbiory

Ekstremalnie maªe zbiory Maªe jest pi kne Instytut Matematyki Uniwersytetu Warszawskiego Nadarzyn, 27.08.2011 Zbiory silnie miary zero Przypomnienie Zbiór X [0, 1] jest miary Lebesgue'a zero, gdy dla ka»dego ε > 0 istnieje ci

Bardziej szczegółowo

Zdzisªaw Dzedzej, Katedra Analizy Nieliniowej pok. 611 Kontakt:

Zdzisªaw Dzedzej, Katedra Analizy Nieliniowej pok. 611 Kontakt: Zdzisªaw Dzedzej, Katedra Analizy Nieliniowej pok. 611 Kontakt: zdzedzej@mif.pg.gda.pl www.mif.pg.gda.pl/homepages/zdzedzej () 5 pa¹dziernika 2016 1 / 1 Literatura podstawowa R. Rudnicki, Wykªady z analizy

Bardziej szczegółowo

Zbiory i odwzorowania

Zbiory i odwzorowania Zbiory i odwzorowania 1 Sposoby okre±lania zbiorów 1) Zbiór wszystkich elementów postaci f(t), gdzie t przebiega zbiór T : {f(t); t T }. 2) Zbiór wszystkich elementów x zbioru X speªniaj cych warunek ϕ(x):

Bardziej szczegółowo

2. L(a u) = al( u) dla dowolnych u U i a R. Uwaga 1. Warunki 1., 2. mo»na zast pi jednym warunkiem: L(a u + b v) = al( u) + bl( v)

2. L(a u) = al( u) dla dowolnych u U i a R. Uwaga 1. Warunki 1., 2. mo»na zast pi jednym warunkiem: L(a u + b v) = al( u) + bl( v) Przeksztaªcenia liniowe Def 1 Przeksztaªceniem liniowym (homomorzmem liniowym) rzeczywistych przestrzeni liniowych U i V nazywamy dowoln funkcj L : U V speªniaj c warunki: 1 L( u + v) = L( u) + L( v) dla

Bardziej szczegółowo

1 0 Je»eli wybierzemy baz A = ((1, 1), (2, 1)) to M(f) A A =. 0 2 Daje to znacznie lepszy opis endomorzmu f.

1 0 Je»eli wybierzemy baz A = ((1, 1), (2, 1)) to M(f) A A =. 0 2 Daje to znacznie lepszy opis endomorzmu f. GAL II 2012-2013 A Strojnowski str1 Wykªad 1 Ten semestr rozpoczniemy badaniem endomorzmów sko«czenie wymiarowych przestrzeni liniowych Denicja 11 Niech V b dzie przestrzeni liniow nad ciaªem K 1) Przeksztaªceniem

Bardziej szczegółowo

Zadania z analizy matematycznej - sem. II Ekstrema funkcji wielu zmiennych, twierdzenia o funkcji odwrotnej i funkcji uwikªanej

Zadania z analizy matematycznej - sem. II Ekstrema funkcji wielu zmiennych, twierdzenia o funkcji odwrotnej i funkcji uwikªanej Zadania z analizy matematycznej - sem. II Ekstrema funkcji wielu zmiennych, twierdzenia o funkcji odwrotnej i funkcji uwikªanej Denicja 1. Niech X = R n b dzie przestrzeni unormowan oraz d(x, y) = x y.

Bardziej szczegółowo

Funkcje wielu zmiennych

Funkcje wielu zmiennych dr Krzysztof yjewski Informatyka I rok I 0 in» 12 stycznia 2016 Funkcje wielu zmiennych Informacje pomocnicze Denicja 1 Niech funkcja f(x y) b dzie okre±lona przynajmniej na otoczeniu punktu (x 0 y 0 )

Bardziej szczegółowo

AM II /2019 (gr. 2 i 3) zadania przygotowawcze do I kolokwium

AM II /2019 (gr. 2 i 3) zadania przygotowawcze do I kolokwium AM II.1 2018/2019 (gr. 2 i 3) zadania przygotowawcze do I kolokwium Normy w R n, iloczyn skalarny sprawd¹ czy dana funkcja jest norm sprawd¹, czy dany zbiór jest kul w jakiej± normie i oblicz norm wybranego

Bardziej szczegółowo

Twierdzenie Levy-Steiniza i zbiory osi galne szeregów warun

Twierdzenie Levy-Steiniza i zbiory osi galne szeregów warun Twierdzenie Levy-Steiniza i zbiory osi galne szeregów warunkowo zbie»nych Jacek Marchwicki (praca wspólna z Szymonem Gª bem) 21.05.2017 Konopnica Wprowadzenie Wprowadzenie Zbiór osi galny A(x n ) = { n=1

Bardziej szczegółowo

Zadania z analizy matematycznej - sem. II Rachunek ró»niczkowy funkcji wielu zmiennych

Zadania z analizy matematycznej - sem. II Rachunek ró»niczkowy funkcji wielu zmiennych Zadania z analizy matematycznej - sem II Rachunek ró»niczkowy funkcji wielu zmiennych Denicja (Pochodne cz stkowe dla funkcji trzech zmiennych) Niech D R 3 b dzie obszarem oraz f : D R f = f y z) P 0 =

Bardziej szczegółowo

. 0 0... 1 0. 0 0 0 0 1 gdzie wektory α i tworz baz ortonormaln przestrzeni E n

. 0 0... 1 0. 0 0 0 0 1 gdzie wektory α i tworz baz ortonormaln przestrzeni E n GAL II 2013-2014 A. Strojnowski str.45 Wykªad 20 Denicja 20.1 Przeksztaªcenie aniczne f : H H anicznej przestrzeni euklidesowej nazywamy izometri gdy przeksztaªcenie pochodne f : T (H) T (H) jest izometri

Bardziej szczegółowo

Wybrane poj cia i twierdzenia z wykªadu z teorii liczb

Wybrane poj cia i twierdzenia z wykªadu z teorii liczb Wybrane poj cia i twierdzenia z wykªadu z teorii liczb 1. Podzielno± Przedmiotem bada«teorii liczb s wªasno±ci liczb caªkowitych. Zbiór liczb caªkowitych oznacza b dziemy symbolem Z. Zbiór liczb naturalnych

Bardziej szczegółowo

ELEMENTARNA TEORIA LICZB. 1. Podzielno±

ELEMENTARNA TEORIA LICZB. 1. Podzielno± ELEMENTARNA TEORIA LICZB IZABELA AGATA MALINOWSKA N = {1, 2,...} 1. Podzielno± Denicja 1.1. Niepusty podzbiór A zbioru liczb naturalnych jest ograniczony, je»eli istnieje taka liczba naturalna n 0,»e m

Bardziej szczegółowo

Macierze. 1 Podstawowe denicje. 2 Rodzaje macierzy. Denicja

Macierze. 1 Podstawowe denicje. 2 Rodzaje macierzy. Denicja Macierze 1 Podstawowe denicje Macierz wymiaru m n, gdzie m, n N nazywamy tablic liczb rzeczywistych (lub zespolonych) postaci a 11 a 1j a 1n A = A m n = [a ij ] m n = a i1 a ij a in a m1 a mj a mn W macierzy

Bardziej szczegółowo

Materiaªy do Repetytorium z matematyki

Materiaªy do Repetytorium z matematyki Materiaªy do Repetytorium z matematyki 0/0 Dziaªania na liczbach wymiernych i niewymiernych wiczenie Obliczy + 4 + 4 5. ( + ) ( 4 + 4 5). ( : ) ( : 4) 4 5 6. 7. { [ 7 4 ( 0 7) ] ( } : 5) : 0 75 ( 8) (

Bardziej szczegółowo

3. (8 punktów) EGZAMIN MAGISTERSKI, Biomatematyka

3. (8 punktów) EGZAMIN MAGISTERSKI, Biomatematyka EGZAMIN MAGISTERSKI, 26.06.2017 Biomatematyka 1. (8 punktów) Rozwój wielko±ci pewnej populacji jest opisany równaniem: dn dt = rn(t) (1 + an(t), b gdzie N(t) jest wielko±ci populacji w chwili t, natomiast

Bardziej szczegółowo

Schematy i reguªy wnioskowania w logice rozmytej

Schematy i reguªy wnioskowania w logice rozmytej Wybrane schematy i reguªy wnioskowania w logice rozmytej Uniwersytet l ski Letnia Szkoªa Instytutu Matematyki, Brenna, 24-28 wrze±nia 2018 w logice klasycznej Sylogizm hipotetyczny (A B) (B C) A C w logice

Bardziej szczegółowo

Algebra Liniowa 2. Zadania do samodzielnych wicze«wydziaª Elektroniki, I rok Karina Olszak i Zbigniew Olszak

Algebra Liniowa 2. Zadania do samodzielnych wicze«wydziaª Elektroniki, I rok Karina Olszak i Zbigniew Olszak Algebra Liniowa 2 Zadania do samodzielnych wicze«wydziaª Elektroniki, I rok Karina Olszak i Zbigniew Olszak Podobie«stwo macierzy, diagonalizacja macierzy 1. Znale¹ macierze przeksztaªcenia liniowego T

Bardziej szczegółowo

Ciaªa i wielomiany. 1 Denicja ciaªa. Ciaªa i wielomiany 1

Ciaªa i wielomiany. 1 Denicja ciaªa. Ciaªa i wielomiany 1 Ciaªa i wielomiany 1 Ciaªa i wielomiany 1 Denicja ciaªa Niech F b dzie zbiorem, i niech + (dodawanie) oraz (mno»enie) b d dziaªaniami na zbiorze F. Denicja. Zbiór F wraz z dziaªaniami + i nazywamy ciaªem,

Bardziej szczegółowo

Maªgorzata Murat. Modele matematyczne.

Maªgorzata Murat. Modele matematyczne. WYKŠAD I Modele matematyczne Maªgorzata Murat Wiadomo±ci organizacyjne LITERATURA Lars Gårding "Spotkanie z matematyk " PWN 1993 http://moodle.cs.pollub.pl/ m.murat@pollub.pl Model matematyczny poj cia

Bardziej szczegółowo

Ukªady równa«liniowych

Ukªady równa«liniowych dr Krzysztof yjewski Mechatronika; S-I 0 in» 7 listopada 206 Ukªady równa«liniowych Informacje pomocnicze Denicja Ogólna posta ukªadu m równa«liniowych z n niewiadomymi x, x, x n, gdzie m, n N jest nast

Bardziej szczegółowo

XVII Warmi«sko-Mazurskie Zawody Matematyczne

XVII Warmi«sko-Mazurskie Zawody Matematyczne 1 XVII Warmi«sko-Mazurskie Zawody Matematyczne Kategoria: klasa VIII szkoªy podstawowej i III gimnazjum Olsztyn, 16 maja 2019r. Zad. 1. Udowodnij,»e dla dowolnych liczb rzeczywistych x, y, z speªniaj cych

Bardziej szczegółowo

Podstawy matematyki dla informatyków

Podstawy matematyki dla informatyków Podstawy matematyki dla informatyków Wykªad 6 10 listopada 2011 W poprzednim odcinku... Zbiory A i B s równoliczne (tej samej mocy ), gdy istnieje bijekcja f : A 1 1 B. Piszemy A B lub A = B. na Moc zbioru

Bardziej szczegółowo

Macierze i Wyznaczniki

Macierze i Wyznaczniki Macierze i Wyznaczniki Kilka wzorów i informacji pomocniczych: Denicja 1. Tablic nast puj cej postaci a 11 a 12... a 1n a 21 a 22... a 2n A =... a m1 a m2... a mn nazywamy macierz o m wierszach i n kolumnach,

Bardziej szczegółowo

ANALIZA MATEMATYCZNA Z ALGEBR

ANALIZA MATEMATYCZNA Z ALGEBR ANALIZA MATEMATYCZNA Z ALGEBR WYKŠAD II Maªgorzata Murat MACIERZ A rzeczywist (zespolon ) o m wierszach i n kolumnach nazywamy przyporz dkowanie ka»dej uporz dkowanej parze liczb naturalnych (i, j), gdzie

Bardziej szczegółowo

EGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach

EGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach EGZAMIN MAGISTERSKI, 12.09.2018r Matematyka w ekonomii i ubezpieczeniach Zadanie 1. (8 punktów) O rozkªadzie pewnego ryzyka S wiemy,»e: E[(S 20) + ] = 8 E[S 10 < S 20] = 13 P (S 20) = 3 4 P (S 10) = 1

Bardziej szczegółowo

W poprzednim odcinku... Podstawy matematyki dla informatyków. Relacje równowa»no±ci. Zbiór (typ) ilorazowy. Klasy abstrakcji

W poprzednim odcinku... Podstawy matematyki dla informatyków. Relacje równowa»no±ci. Zbiór (typ) ilorazowy. Klasy abstrakcji W poprzednim odcinku... Podstawy matematyki dla informatyków Rodzina indeksowana {A t } t T podzbiorów D to taka funkcja A : T P(D),»e A(t) = A t, dla dowolnego t T. Wykªad 3 20 pa¹dziernika 2011 Produkt

Bardziej szczegółowo

Ekstrema lokalne i punkty otwarto±ci funkcji ci gªej

Ekstrema lokalne i punkty otwarto±ci funkcji ci gªej Politechnika Šódzka, Instytut Matematyki Konopnica, maj 2016 Plan Wspóªautorzy Omawiane wyniki zostaªy uzyskane w pracy M. Balcerzak, M. Popªawski, J. Wódka, Local extrema and nonopenness points for continuous

Bardziej szczegółowo

Przeksztaªcenia liniowe

Przeksztaªcenia liniowe Przeksztaªcenia liniowe Przykªady Pokaza,»e przeksztaªcenie T : R 2 R 2, postaci T (x, y) = (x + y, x 6y) jest przeksztaªceniem liniowym Sprawdzimy najpierw addytywno± przeksztaªcenia T Niech v = (x, y

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Rozwini cia asymptotyczne dla mocy testów przybli»onych

Rozwini cia asymptotyczne dla mocy testów przybli»onych Rozwini cia asymptotyczne dla mocy testów przybli»onych Piotr Majerski, Zbigniew Szkutnik AGH Kraków Wisªa 2010 P. Majerski, Z. Szkutnik, AGH () Rozwini cia mocy testów przybli»onych Wisªa 2010 1 / 22

Bardziej szczegółowo

Geometria Algebraiczna

Geometria Algebraiczna Geometria Algebraiczna Zadania domowe: seria 1 Zadania 1-11 to powtórzenie podstawowych poj z teorii kategorii. Zapewne rozwi zywali Pa«stwo te zadania wcze±niej, dlatego nie b d one omawiane na wiczeniach.

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

JAO - J zyki, Automaty i Obliczenia - Wykªad 1. JAO - J zyki, Automaty i Obliczenia - Wykªad 1

JAO - J zyki, Automaty i Obliczenia - Wykªad 1. JAO - J zyki, Automaty i Obliczenia - Wykªad 1 J zyki formalne i operacje na j zykach J zyki formalne s abstrakcyjnie zbiorami sªów nad alfabetem sko«czonym Σ. J zyk formalny L to opis pewnego problemu decyzyjnego: sªowa to kody instancji (wej±cia)

Bardziej szczegółowo

Macierz A: macierz problemów liniowych (IIII); Macierz rozszerzona problemów liniowych (IIII): a 11 a 1m b 1 B = a n1 a nm b n

Macierz A: macierz problemów liniowych (IIII); Macierz rozszerzona problemów liniowych (IIII): a 11 a 1m b 1 B = a n1 a nm b n Plan Spis tre±ci 1 Problemy liniowe 1 2 Zadania I 3 3 Formy biliniowe 3 3.1 Odwzorowania wieloliniowe..................... 3 3.2 Formy biliniowe............................ 4 4 Formy kwadratowe 4 1 Problemy

Bardziej szczegółowo

Mierzalne liczby kardynalne

Mierzalne liczby kardynalne czyli o miarach mierz cych wszystko Instytut Matematyki Uniwersytetu Warszawskiego Grzegorzewice, 26 stycznia 2007 Ogólny problem miary Pytanie Czy na pewnym zbiorze X istnieje σ-addytywna miara probabilistyczna,

Bardziej szczegółowo

Równania ró»niczkowe I rz du (RRIR) Twierdzenie Picarda. Anna D browska. WFTiMS. 23 marca 2010

Równania ró»niczkowe I rz du (RRIR) Twierdzenie Picarda. Anna D browska. WFTiMS. 23 marca 2010 WFTiMS 23 marca 2010 Spis tre±ci 1 Denicja 1 (równanie ró»niczkowe pierwszego rz du) Równanie y = f (t, y) (1) nazywamy równaniem ró»niczkowym zwyczajnym pierwszego rz du w postaci normalnej. Uwaga 1 Ogólna

Bardziej szczegółowo

*** Teoria popytu konsumenta *** I. Pole preferencji konsumenta 1. Przestrze«towarów 2. Relacja preferencji konsumenta 3. Optymalny koszyk towarów

*** Teoria popytu konsumenta *** I. Pole preferencji konsumenta 1. Przestrze«towarów 2. Relacja preferencji konsumenta 3. Optymalny koszyk towarów *** Teoria popytu konsumenta *** I. Pole preferencji konsumenta 1. Przestrze«towarów 2. Relacja preferencji konsumenta 3. Optymalny koszyk towarów I.1 Przestrze«towarów Podstawowe poj cia Rynek towarów

Bardziej szczegółowo

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

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

Bardziej szczegółowo

O zbiorach małych w polskich grupach abelowych

O zbiorach małych w polskich grupach abelowych O zbiorach małych w polskich grupach abelowych Eliza Jabłońska Katedra Matematyki Politechniki Rzeszowskiej Warsztaty z Analizy Rzeczywistej, Konopnica 2016 E. Jabłońska (KM PRz) O zbiorach małych Konopnica

Bardziej szczegółowo

Algorytmiczna teoria grafów

Algorytmiczna teoria grafów 18 maja 2013 Twierdzenie Halla o maª»e«stwach Problem Wyobra¹my sobie,»e mamy m dziewczyn i pewn liczb chªopców. Ka»da dziewczyna chce wyj± za m», przy czym ka»da z nich godzi si po±lubi tylko pewnych

Bardziej szczegółowo

Macierze. Dziaªania na macierzach. 1. Niech b d dane macierze , D = , C = , B = 4 12 A = , F = , G = , H = E = a) Obliczy A + B, 2A 3B,

Macierze. Dziaªania na macierzach. 1. Niech b d dane macierze , D = , C = , B = 4 12 A = , F = , G = , H = E = a) Obliczy A + B, 2A 3B, Macierze Dziaªania na macierzach Niech b d dane macierze A = E = [ 2 3 0 3 2 3 2 0 [ 0 8, B = 4 2, F = [ 2 3, C = 3 2 2 3 0 0 0 4 0 6 3 0, G =, D = 0 2 0 2 0 3 0 3 0 2 0 0 2 2 0 0 5 0 2,, H = 0 0 4 0 0

Bardziej szczegółowo

Liniowe zadania najmniejszych kwadratów

Liniowe zadania najmniejszych kwadratów Rozdziaª 9 Liniowe zadania najmniejszych kwadratów Liniowe zadania najmniejszych kwadratów polega na znalezieniu x R n, który minimalizuje Ax b 2 dla danej macierzy A R m,n i wektora b R m. Zauwa»my,»e

Bardziej szczegółowo

Przekroje Dedekinda 1

Przekroje Dedekinda 1 Przekroje Dedekinda 1 O liczbach wymiernych (tj. zbiorze Q) wiemy,»e: 1. zbiór Q jest uporz dkowany relacj mniejszo±ci < ; 2. zbiór liczb wymiernych jest g sty, tzn.: p, q Q : p < q w : p < w < q 3. 2

Bardziej szczegółowo

Macierze i Wyznaczniki

Macierze i Wyznaczniki dr Krzysztof yjewski Mechatronika; S-I.in». 5 pa¹dziernika 6 Macierze i Wyznaczniki Kilka wzorów i informacji pomocniczych: Denicja. Tablic nast puj cej postaci a a... a n a a... a n A =... a m a m...

Bardziej szczegółowo

WST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14

WST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14 WST P DO TEORII INFORMACJI I KODOWANIA Grzegorz Szkibiel Wiosna 2013/14 Spis tre±ci 1 Kodowanie i dekodowanie 4 1.1 Kodowanie a szyfrowanie..................... 4 1.2 Podstawowe poj cia........................

Bardziej szczegółowo

Estymacja parametru gªadko±ci przy u»yciu falek splajnowych

Estymacja parametru gªadko±ci przy u»yciu falek splajnowych Estymacja parametru gªadko±ci przy u»yciu falek splajnowych Politechnika Gda«ska Wydziaª Fizyki Technicznej i Matematyki Stosowanej Wisªa, 3-7.12.2012 Przestrze«Biesowa Przestrze«Biesowa B s p,q, 1 p,

Bardziej szczegółowo

I Rok LOGISTYKI: wykªad 2 Pochodna funkcji. iloraz ró»nicowy x y x

I Rok LOGISTYKI: wykªad 2 Pochodna funkcji. iloraz ró»nicowy x y x I Rok LOGISTYKI: wykªad 2 Pochodna funkcji Niech f jest okre±lona w Q(x 0, δ) i x Q(x 0, δ). Oznaczenia: x = x x 0 y = y y 0 = f(x 0 + x) f(x 0 ) y x = f(x 0 + x) f(x 0 ) iloraz ró»nicowy x y x = tgβ,

Bardziej szczegółowo

PRZYPOMNIENIE Ka»d przestrze«wektorow V, o wymiarze dim V = n < nad ciaªem F mo»na jednoznacznie odwzorowa na przestrze«f n n-ek uporz dkowanych:

PRZYPOMNIENIE Ka»d przestrze«wektorow V, o wymiarze dim V = n < nad ciaªem F mo»na jednoznacznie odwzorowa na przestrze«f n n-ek uporz dkowanych: Plan Spis tre±ci 1 Homomorzm 1 1.1 Macierz homomorzmu....................... 2 1.2 Dziaªania............................... 3 2 Ukªady równa«6 3 Zadania 8 1 Homomorzm PRZYPOMNIENIE Ka»d przestrze«wektorow

Bardziej szczegółowo

Elementy geometrii w przestrzeni R 3

Elementy geometrii w przestrzeni R 3 Elementy geometrii w przestrzeni R 3 Z.Šagodowski Politechnika Lubelska 29 maja 2016 Podstawowe denicje Wektorem nazywamy uporz dkowan par punktów (A,B) z których pierwszy nazywa si pocz tkiem a drugi

Bardziej szczegółowo

Zagadnienia na wej±ciówki z matematyki Technologia Chemiczna

Zagadnienia na wej±ciówki z matematyki Technologia Chemiczna Zagadnienia na wej±ciówki z matematyki Technologia Chemiczna 1. Podaj denicj liczby zespolonej. 2. Jak obliczy sum /iloczyn dwóch liczb zespolonych w postaci algebraicznej? 3. Co to jest liczba urojona?

Bardziej szczegółowo

Metodydowodzenia twierdzeń

Metodydowodzenia twierdzeń 1 Metodydowodzenia twierdzeń Przez zdanie rozumiemy dowolne stwierdzenie, które jest albo prawdziwe, albo faªszywe (nie mo»e by ono jednocze±nie prawdziwe i faªszywe). Tradycyjnie b dziemy u»ywali maªych

Bardziej szczegółowo

r = x x2 2 + x2 3.

r = x x2 2 + x2 3. Przestrze«aniczna Def. 1. Przestrzeni aniczn zwi zan z przestrzeni liniow V nazywamy dowolny niepusty zbiór P z dziaªaniem ω : P P V (które dowolnej parze elementów zbioru P przyporz dkowuje wektor z przestrzeni

Bardziej szczegółowo

Prawdopodobie«stwo warunkowe, twierdzenie Bayesa, niezale»no± zdarze«.

Prawdopodobie«stwo warunkowe, twierdzenie Bayesa, niezale»no± zdarze«. Prawdopodobie«stwo warunkowe, twierdzenie Bayesa, niezale»no± zdarze«. Alicja Czy» WFTiMS April 14, 2010 Spis tre±ci 1 Wprowadzenie Denicja prawdopodobie«stwa warunkowego Twierdzenie Bayesa Niezale»no±

Bardziej szczegółowo

1 Otwarto± i domkni to±

1 Otwarto± i domkni to± Topologia 1 1 Otwarto± i domkni to± (X, O) przestrze«topologiczna rodzina zbiorów otwartych O 2 X speªnia (i), X O, (ii) U 1, U 2 O U 1 U 2 O, (iii) ( j J U j O ) j J U j O. X D zbiór domkni ty X \ D O;

Bardziej szczegółowo

Przetwarzanie sygnaªów

Przetwarzanie sygnaªów Przetwarzanie sygnaªów Laboratorium 1 - wst p do C# Dawid Poªap Przetwarzanie sygnaªów Pa¹dziernik, 2018 1 / 17 Czego mo»na oczekiwa wzgl dem programowania w C# na tych laboratoriach? Dawid Poªap Przetwarzanie

Bardziej szczegółowo

Jak trudne jest numeryczne całkowanie (O złożoności zadań ciągłych)

Jak 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 szczegółowo

Hotel Hilberta. Zdumiewaj cy ±wiat niesko«czono±ci. Marcin Kysiak. Festiwal Nauki, 20.09.2011. Instytut Matematyki Uniwersytetu Warszawskiego

Hotel Hilberta. Zdumiewaj cy ±wiat niesko«czono±ci. Marcin Kysiak. Festiwal Nauki, 20.09.2011. Instytut Matematyki Uniwersytetu Warszawskiego Zdumiewaj cy ±wiat niesko«czono±ci Instytut Matematyki Uniwersytetu Warszawskiego Festiwal Nauki, 20.09.2011 Nasze do±wiadczenia hotelowe Fakt oczywisty Hotel nie przyjmie nowych go±ci, je»eli wszystkie

Bardziej szczegółowo

Uczenie Wielowarstwowych Sieci Neuronów o

Uczenie Wielowarstwowych Sieci Neuronów o Plan uczenie neuronu o ci gªej funkcji aktywacji uczenie jednowarstwowej sieci neuronów o ci gªej funkcji aktywacji uczenie sieci wielowarstwowej - metoda propagacji wstecznej neuronu o ci gªej funkcji

Bardziej szczegółowo

Wst p do sieci neuronowych, wykªad 14 Zespolone sieci neuronowe

Wst p do sieci neuronowych, wykªad 14 Zespolone sieci neuronowe Wst p do sieci neuronowych, wykªad 14 Zespolone sieci neuronowe M. Czoków, J. Piersa Faculty of Mathematics and Computer Science, Nicolaus Copernicus University, Toru«, Poland 2011-18-02 Motywacja Liczby

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Zadania z rachunku prawdopodobie«stwa

Zadania z rachunku prawdopodobie«stwa STATYSTYKA 2 rok, informatyka,. Zadania z rachunku prawdopodobie«stwa 1. Niech A B C = Ω, P (B) = 2P (A), P (C) = 3P (A), P (A B) = P (A C) = P (B C). Pokaza,»e 1 P (A) 1. Pokaza,»e oba ograniczenia mog

Bardziej szczegółowo

Strategia czy intuicja?

Strategia czy intuicja? Strategia czy intuicja czyli o grach niesko«czonych Instytut Matematyki Uniwersytetu Warszawskiego Grzegorzewice, 29 sierpnia 2009 Denicja gry Najprostszy przypadek: A - zbiór (na ogóª co najwy»ej przeliczalny),

Bardziej szczegółowo

istnienie elementu neutralnego dodawania (zera): 0 K a K a + 0 = a, istnienie elementu neutralnego mno»enia (jedynki): 1 K a K a 1 = a,

istnienie elementu neutralnego dodawania (zera): 0 K a K a + 0 = a, istnienie elementu neutralnego mno»enia (jedynki): 1 K a K a 1 = a, Ciaªo Denicja. Zbiór K z dziaªaniami dodawania + oraz mno»enia (których argumentami s dwa elementy z tego zbioru, a warto±ciami elementy z tego zbioru) nazywamy ciaªem, je±li zawiera co najmniej dwa elementy

Bardziej szczegółowo

Twierdzenie Wedderburna Witold Tomaszewski

Twierdzenie Wedderburna Witold Tomaszewski Twierdzenie Wedderburna Witold Tomaszewski Pier±cie«przemienny P nazywamy dziedzin caªkowito±ci (lub po prostu dziedzin ) je±li nie posiada nietrywialnych dzielników zera. Pier±cie«z jedynk nazywamy pier±cieniem

Bardziej szczegółowo

Typ potęgowy Szlenka

Typ potęgowy Szlenka Uniwersytet Śląski w Katowicach Letnia Szkoła Instytutu Matematyki Podlesice, 22 26 września 2014 r. Motywacja Pytanie (Banach Mazur, Księga Szkocka, Problem 49) Czy istnieje ośrodkowa i refleksywna przestrzeń

Bardziej szczegółowo

Funkcje wielu zmiennych

Funkcje wielu zmiennych Funkcje wielu zmiennych Informacje pomocnicze Denicja 1 Niech funkcja f(x, y) b dzie okre±lona przynajmniej na otoczeniu punktu (x 0, y 0 ) Pochodn cz stkow pierwszego rz du funkcji dwóch zmiennych wzgl

Bardziej szczegółowo

WST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14

WST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14 WST P DO TEORII INFORMACJI I KODOWANIA Grzegorz Szkibiel Wiosna 203/4 Spis tre±ci Kodowanie i dekodowanie 4. Kodowanie a szyfrowanie..................... 4.2 Podstawowe poj cia........................

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Strategie zabezpieczaj ce

Strategie zabezpieczaj ce 04062008 Plan prezentacji Model binarny Model Black Scholesa Bismut- Elworthy -Li formuła Model binarny i opcja call Niech cena akcji w chwili pocz tkowej wynosi S 0 = 21 Zaªó»my,»e ceny akcji po trzech

Bardziej szczegółowo

ZADANIA. Maciej Zakarczemny

ZADANIA. Maciej Zakarczemny ZADANIA Maciej Zakarczemny 2 Spis tre±ci 1 Algebra 5 2 Analiza 7 2.1 Granice iterowane, granica podwójna funkcji dwóch zmiennych....... 7 2.2 Caªki powierzchniowe zorientowane...................... 8 2.2.1

Bardziej szczegółowo

Interpolacja funkcjami sklejanymi

Interpolacja funkcjami sklejanymi Interpolacja funkcjami sklejanymi Funkcje sklejane: Zaªó»my,»e mamy n + 1 w zªów t 0, t 1,, t n takich,»e t 0 < t 1 < < t n Dla danej liczby caªkowitej, nieujemnej k funkcj sklejan stopnia k nazywamy tak

Bardziej szczegółowo

2 Liczby rzeczywiste - cz. 2

2 Liczby rzeczywiste - cz. 2 2 Liczby rzeczywiste - cz. 2 W tej lekcji omówimy pozostaªe tematy zwi zane z liczbami rzeczywistymi. 2. Przedziaªy liczbowe Wyró»niamy nast puj ce rodzaje przedziaªów liczbowych: (a) przedziaªy ograniczone:

Bardziej szczegółowo

x y x y x y x + y x y

x y x y x y x + y x y Algebra logiki 1 W zbiorze {0, 1} okre±lamy dziaªania dwuargumentowe,, +, oraz dziaªanie jednoargumentowe ( ). Dziaªanie x + y nazywamy dodawaniem modulo 2, a dziaªanie x y nazywamy kresk Sheera. x x 0

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

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

1 Bª dy i arytmetyka zmiennopozycyjna

1 Bª dy i arytmetyka zmiennopozycyjna 1 Bª dy i arytmetyka zmiennopozycyjna Liczby w pami ci komputera przedstawiamy w ukªadzie dwójkowym w postaci zmiennopozycyjnej Oznacza to,»e s one postaci ±m c, 01 m < 1, c min c c max, (1) gdzie m nazywamy

Bardziej szczegółowo

A = n. 2. Ka»dy podzbiór zbioru sko«czonego jest zbiorem sko«czonym. Dowody tych twierdze«(elementarne, lecz nieco nu» ce) pominiemy.

A = n. 2. Ka»dy podzbiór zbioru sko«czonego jest zbiorem sko«czonym. Dowody tych twierdze«(elementarne, lecz nieco nu» ce) pominiemy. Logika i teoria mnogo±ci, konspekt wykªad 12 Teoria mocy, cz ± II Def. 12.1 Ka»demu zbiorowi X przyporz dkowujemy oznaczany symbolem X obiekt zwany liczb kardynaln (lub moc zbioru X) w taki sposób,»e ta

Bardziej szczegółowo

Informacje pomocnicze

Informacje pomocnicze Funkcje wymierne. Równania i nierówno±ci wymierne Denicja. (uªamki proste) Wyra»enia postaci Informacje pomocnicze A gdzie A d e R n N (dx e) n nazywamy uªamkami prostymi pierwszego rodzaju. Wyra»enia

Bardziej szczegółowo

Wnioskowanie Boolowskie i teoria zbiorów przybli»onych

Wnioskowanie Boolowskie i teoria zbiorów przybli»onych Wnioskowanie Boolowskie i teoria zbiorów przybli»onych 4 Zbiory przybli»one Wprowadzenie do teorii zbiorów przybli»onych Zªo»ono± problemu szukania reduktów 5 Wnioskowanie Boolowskie w obliczaniu reduktów

Bardziej szczegółowo

Przestrzeń unitarna. Jacek Kłopotowski. 23 października Katedra Matematyki i Ekonomii Matematycznej SGH

Przestrzeń 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 szczegółowo

Matematyka 1. Šukasz Dawidowski. Instytut Matematyki, Uniwersytet l ski

Matematyka 1. Šukasz Dawidowski. Instytut Matematyki, Uniwersytet l ski Matematyka 1 Šukasz Dawidowski Instytut Matematyki, Uniwersytet l ski Pochodna funkcji Niech a, b R, a < b. Niech f : (a, b) R b dzie funkcj oraz x, x 0 (a, b) b d ró»nymi punktami przedziaªu (a, b). Wyra»enie

Bardziej szczegółowo

a) f : R R R: f(x, y) = x 2 y 2 ; f(x, y) = 3xy; f(x, y) = max(xy, xy); b) g : R 2 R 2 R: g((x 1, y 1 ), (x 2, y 2 )) = 2x 1 y 1 x 2 y 2 ;

a) f : R R R: f(x, y) = x 2 y 2 ; f(x, y) = 3xy; f(x, y) = max(xy, xy); b) g : R 2 R 2 R: g((x 1, y 1 ), (x 2, y 2 )) = 2x 1 y 1 x 2 y 2 ; Zadania oznaczone * s troch trudniejsze, co nie oznacza,»e trudne.. Zbadaj czy funkcjonaª jest dwuliniowy, symetryczny, antysymetryczny, dodatniookre±lony: a) f : R R R: f(x, y) = x y ; f(x, y) = 3xy;

Bardziej szczegółowo

Oba zbiory s uporz dkowane liniowo. Badamy funkcj w pobli»u kresów dziedziny. Pewne punkty szczególne (np. zmiana denicji funkcji).

Oba zbiory s uporz dkowane liniowo. Badamy funkcj w pobli»u kresów dziedziny. Pewne punkty szczególne (np. zmiana denicji funkcji). Plan Spis tre±ci 1 Granica 1 1.1 Po co?................................. 1 1.2 Denicje i twierdzenia........................ 4 1.3 Asymptotyka, granice niewªa±ciwe................. 7 2 Asymptoty 8 2.1

Bardziej szczegółowo

Funkcje jednej zmiennej. Granica, ci gªo±. (szkic wykªadu)

Funkcje jednej zmiennej. Granica, ci gªo±. (szkic wykªadu) Funkcje jednej zmiennej Granica, ci gªo± (szkic wykªadu) opracowaªa Gra»yna Ciecierska 1 Granica funkcji Denicja Niech 0 R, r > 0 Otoczeniem punktu 0 o promieniu r nazywamy przedziaª ( 0 r, 0 +r) Otoczeniem

Bardziej szczegółowo

Wielomiany o wspóªczynnikach rzeczywistych

Wielomiany o wspóªczynnikach rzeczywistych Wielomiany o wspóªczynnikach rzeczywistych Wielomian: W (x) = a n x n + a n 1 x n 1 + a n 2 x n 2 +... + a 2 x 2 + a 1 x + a 0 wspóªczynniki wielomianu: a 0, a 1, a 2,..., a n 1, a n ; wyraz wolny: a 0

Bardziej szczegółowo

1 Przypomnienie wiadomo±ci ze szkoªy ±redniej. Rozwi zywanie prostych równa«i nierówno±ci

1 Przypomnienie wiadomo±ci ze szkoªy ±redniej. Rozwi zywanie prostych równa«i nierówno±ci Zebraª do celów edukacyjnych od wykªadowców PK, z ró»nych podr czników Maciej Zakarczemny 1 Przypomnienie wiadomo±ci ze szkoªy ±redniej Rozwi zywanie prostych równa«i nierówno±ci dotycz cych funkcji elementarnych,

Bardziej szczegółowo

Numeryczne zadanie wªasne

Numeryczne zadanie wªasne Rozdziaª 11 Numeryczne zadanie wªasne W tym rozdziale zajmiemy si symetrycznym zadaniem wªasnym, tzn. zadaniem znajdowania warto±ci i/lub wektorów wªasnych dla macierzy symetrycznej A = A T. W zadaniach

Bardziej szczegółowo

Matematyka wykªad 1. Macierze (1) Andrzej Torój. 17 wrze±nia 2011. Wy»sza Szkoªa Zarz dzania i Prawa im. H. Chodkowskiej

Matematyka wykªad 1. Macierze (1) Andrzej Torój. 17 wrze±nia 2011. Wy»sza Szkoªa Zarz dzania i Prawa im. H. Chodkowskiej Matematyka wykªad 1 Macierze (1) Andrzej Torój Wy»sza Szkoªa Zarz dzania i Prawa im. H. Chodkowskiej 17 wrze±nia 2011 Plan wykªadu 1 2 3 4 5 Plan prezentacji 1 2 3 4 5 Kontakt moja strona internetowa:

Bardziej szczegółowo

Zastosowania metod analitycznej złożoności obliczeniowej do przetwarzania sygnałów cyfrowych oraz w metodach numerycznych teorii aproksymacji

Zastosowania metod analitycznej złożoności obliczeniowej do przetwarzania sygnałów cyfrowych oraz w metodach numerycznych teorii aproksymacji Zastosowania metod analitycznej złożoności obliczeniowej do przetwarzania sygnałów cyfrowych oraz w metodach numerycznych teorii aproksymacji Marek A. Kowalski Uniwersytet Kardynała Stefana Wyszyńskiego

Bardziej szczegółowo

Podstawy matematyki dla informatyków. Funkcje. Funkcje caªkowite i cz ±ciowe. Deniowanie funkcji. Wykªad pa¹dziernika 2012

Podstawy matematyki dla informatyków. Funkcje. Funkcje caªkowite i cz ±ciowe. Deniowanie funkcji. Wykªad pa¹dziernika 2012 Podstawy matematyki dla informatyków Wykªad 3 Funkcje 18 pa¹dziernika 2012 Deniowanie funkcji Funkcje caªkowite i cz ±ciowe Denicja wprost: f (x) = x + y f = λx. x + y Denicja warunkowa: { n/2, je±li n

Bardziej szczegółowo

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15

ARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15 ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych

Bardziej szczegółowo

Zbiory ograniczone i kresy zbiorów

Zbiory ograniczone i kresy zbiorów Zbiory ograniczone i kresy zbiorów Def.. Liczb m nazywamy ograniczeniem dolnym a liczb M ograniczeniem górnym zbioru X R gdy (i) x m; (ii) x M. Mówimy,»e zbiór X jest ograniczony z doªu (odp. z góry) gdy

Bardziej szczegółowo