WŠASNO CI PROJEKCJI MINIMALNYCH
|
|
- Jan Wieczorek
- 8 lat temu
- Przeglądów:
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 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 szczegółowoTwierdzenie 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 szczegółowoMetody 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 szczegółowodet 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 szczegółowoRelacj 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 szczegółowoZadania. 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 szczegółowoWykªad 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 szczegółowoEkstremalnie 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 szczegółowoZdzisªaw 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 szczegółowoZbiory 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 szczegółowo2. 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 szczegółowo1 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 szczegółowoZadania 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 szczegółowoFunkcje 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 szczegółowoAM 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 szczegółowoTwierdzenie 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 szczegółowoZadania 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
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 szczegółowoWybrane 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 szczegółowoELEMENTARNA 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 szczegółowoMacierze. 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 szczegółowoMateriaªy 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 szczegółowo3. (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 szczegółowoSchematy 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 szczegółowoAlgebra 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 szczegółowoCiaªa 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 szczegółowoMaªgorzata 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 szczegółowoUkªady 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 szczegółowoXVII 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 szczegółowoPodstawy 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 szczegółowoMacierze 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 szczegółowoANALIZA 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 szczegółowoEGZAMIN 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 szczegółowoW 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 szczegółowoEkstrema 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 szczegółowoPrzeksztaªcenia 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 szczegółowoARYTMETYKA 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 szczegółowoRozwini 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 szczegółowoGeometria 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 szczegółowoARYTMETYKA 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 szczegółowoJAO - 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 szczegółowoMacierz 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 szczegółowoMierzalne 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 szczegółowoRównania 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 I.1 Przestrze«towarów Podstawowe poj cia Rynek towarów
Bardziej szczegółowoZadania 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 szczegółowoO 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 szczegółowoAlgorytmiczna 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 szczegółowoMacierze. 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 szczegółowoLiniowe 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 szczegółowoPrzekroje 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 szczegółowoMacierze 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 szczegółowoWST 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 szczegółowoEstymacja 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 szczegółowoI 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 szczegółowoPRZYPOMNIENIE 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 szczegółowoElementy 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 szczegółowoZagadnienia 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 szczegółowoMetodydowodzenia 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 szczegółowor = 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 szczegółowoPrawdopodobie«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 szczegółowo1 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 szczegółowoPrzetwarzanie 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 szczegółowoJak trudne jest numeryczne całkowanie (O złożoności zadań ciągłych)
Jak trudne jest numeryczne całkowanie (O złożoności zadań ciągłych) Uniwersytet Warszawski Wydział Matematyki, Informatyki i Mechaniki leszekp@mimuw.edu.pl Horyzonty 2014 17-03-2014 Będlewo Zadania numeryczne
Bardziej szczegółowoHotel 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 szczegółowoUczenie 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 szczegółowoWst 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 szczegółowoARYTMETYKA 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 szczegółowoZadania 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 szczegółowoStrategia 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 szczegółowoistnienie 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 szczegółowoTwierdzenie 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 szczegółowoTyp 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 szczegółowoFunkcje 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 szczegółowoWST 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 szczegółowoARYTMETYKA 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 szczegółowoStrategie 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 szczegółowoZADANIA. 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 szczegółowoInterpolacja 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 szczegółowo2 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 szczegółowox 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 szczegółowoARYTMETYKA 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 szczegółowoO 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 szczegółowo1 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 szczegółowoA = 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 szczegółowoInformacje 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 szczegółowoWnioskowanie 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 szczegółowoPrzestrzeń unitarna. Jacek Kłopotowski. 23 października Katedra Matematyki i Ekonomii Matematycznej SGH
Katedra Matematyki i Ekonomii Matematycznej SGH 23 października 2018 Definicja iloczynu skalarnego Definicja Iloczynem skalarnym w przestrzeni liniowej R n nazywamy odwzorowanie ( ) : R n R n R spełniające
Bardziej szczegółowoMatematyka 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 szczegółowoa) 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 szczegółowoOba 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 szczegółowoFunkcje 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 szczegółowoWielomiany 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 szczegółowo1 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 szczegółowoNumeryczne 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 szczegółowoMatematyka 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 szczegółowoZastosowania 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 szczegółowoPodstawy 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 szczegółowoARYTMETYKA 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 szczegółowoZbiory 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