Rozdzia l 2. Najważniejsze typy algebr stosowane w logice

Wielkość: px
Rozpocząć pokaz od strony:

Download "Rozdzia l 2. Najważniejsze typy algebr stosowane w logice"

Transkrypt

1 Rozdzia l 2. Najważniejsze typy algebr stosowane w logice 1. Algebry Boole a Definicja. Kratȩ dystrybutywn a z zerem i jedynk a, w której dla każdego elementu istnieje jego uzupe lnienie nazywamy algebr a Boole a. Ponieważ dla danego elementu kraty istnieje co najwyżej jedno jego uzupe lnienie, wiȩc dowoln a algebrȩ Boole a można wyposażyć w 1-argumentow a operacjȩ:, przyporz adkowuj ac a każdemu elementowi a jego uzupe lnienie: a. W ten sposób algebrȩ Boole a bȩdziemy traktować jako uk lad: (A,,,, 0, 1). Twierdzenie 2.1: Algebra (A,,,, 0, 1) typu (2,2,1,0,0) jest algebr a Boole a wtw dla dowolnych x, y, z A spe lnione s a równości: (1) x x = x, x x = x, (2) x y = y x, x y = y x, (3) x (y z) = (x y) z, x (y z) = (x y) z, (4) x (x y) = x, x (x y) = x, (dystr.) x (y z) = (x y) (x z), x (y z) = (x y) (x z), (6) x 1 = x, x 0 = x, (7) x x = 0, x x = 1. Dowód: ( ): oczywisty. ( ): Za lóżmy, że algebra (A,,,, 0, 1) spe lnia równości (1)-(7). Dziȩki równościom (1)-(6) jest niew atpliwie krat a dystrybutywn a z zerem i jedynk a. Dziȩki (7), na mocy Tw.1.26, każdy element x ma uzupe lnienie postaci: x. Zatem algebra ta jest algebr a Boole a. Przyk lady. 2-elementowa algebra Boole a: ({0, 1},,,, 0, 1), gdzie operacje zdefiniowane s a nastȩpuj aco: dla dowolnych x, y {0, 1}, x y = 1 wtw x = y = 1, x y = 0 wtw x = y = 0 oraz 1 = 0, 0 = 1. Dowolne cia lo podzbiorów (C,,,,, u) ustalonego zbioru u jest algebr a Boole a, w szczególności, cia lo (P (u),,,,, u) wszystkich podzbiorów zbioru u jest algebr a Boole a. Twierdzenie 2.2: W dowolnej algebrze Boole a (A,,,, 0, 1) zachodz a zwi azki: dla dowolnych x, y A, (i) 1 = 0, 0 = 1, (ii) x = x, (iii) (x y) = x y, (iv) (x y) = x y, (v) x y wtw y x.

2 2. Kraty implikatywne 2 Dowód: (i) wynika z Tw dla(ii): Na mocy Wniosku z Tw.1.26 mamy: x jest uzupe lnieniem elementu x wtw x jest uzupe lnieniem elementu x, sk ad oczywiście otrzymujemy: x jest uzupe lnieniem elementu x, zatem x = x. dla (iii): Na mocy Tw.1.26 wystarcza wykazać, że (x y) ( x y) = 0 oraz (x y) ( x y) = 1. Zatem: (x y) ( x y) = ((x y) x) ((x y) y) = ((x x) y) (x (y y)) = (0 y) (x 0) = 0 0 = 0 oraz (x y) ( x y) = (x x y) (y x y) = (1 y) (1 x) = 1 1 = 1. (iv) dowodzi siȩ analogicznie jak (iii). dla (v) : ( ): Za lóżmy, że x y. Wówczas x y = x. St ad (x y) = x. Dlatego na mocy (iii) : x y = x, czyli, bior ac pod uwagȩ (5), otrzymujemy: y x. ( ): rozumowanie odwrotne z zastosowaniem ponadto (ii). Twierdzenie 2.3: W dowolnej algebrze Boole a (A,,,, 0, 1), dla dowolnych a, b A, element a b jest relatywnym pseudo-uzupe lnieniem elementu a wzglȩdem b. Dowód: Po pierwsze, a ( a b) = (a a) (a b) = 0 (a b) = a b b, zatem a b {x A : a x b}. Po drugie, weźmy pod uwagȩ dowolny x A taki, że a x b. Wówczas (a x) b = b, zatem a ((a x) b) = a b, dlatego (( a a) ( a x)) b = a b, czyli ( a x) b = a b, tzn., x ( a b) = a b i ostatecznie, x a b. W ten sposób, algebrȩ Boole a można wyposażyć w 2-argumentow a operacjȩ przyporz adkowuj ac a ci agowi elementów a, b relatywne pseudo-uzupe lnienie a b elementu a wzglȩdem b, tzn., a b = a b. 2. Kraty implikatywne Definicja. Kratȩ, w której dla dowolnych elementów a, b istnieje relatywne pseudo-uzupe lnienie elementu a wzglȩdem b nazywamy krat a implikatywn a (lub r.p.c-krat a od relatively pseudo-complemented lattice). W ten sposób postrzegamy kratȩ implikatywn a jako algebrȩ (A,,, ) tak a, że jest operacj a przyporz adkowuj ac a ci agowi elementów a, b relatywne pseudo-uzupe lnienie elementu a wzglȩdem b. Twierdzenie 2.4: Algebra (A,,, ) typu (2, 2, 2) jest krat a implikatywn a wtw (A,, ) jest krat a oraz spe lniony jest warunek: dla dowolnych a, b, x A, (8) a x b wtw x a b. Dowód: ( ): Za lóżmy, że (A,,, ) jest krat a implikatywn a. Wykazujemy warunek (8). ( ): Dowód oczywisty.

3 2. Kraty implikatywne 3 ( ): Za lóżmy, że x a b. Wówczas, x (a b) = x. Zatem a x = (a x) (a b) a (a b) b. ( ): Za lóżmy, że w kracie (A,, ) operacja spe lnia warunek (8). Ponieważ a b a b, wiȩc z (8): a b {x A : a x b}. Natomiast implikacja (8)( ) świadczy o tym, że a b jest elementem najwiȩkszym w zbiorze {x A : a x b}. Zatem a b jest relatywnym pseudo-uzupe lnieniem elementu a wzglȩdem b. Twierdzenie 2.5: Krata implikatywna jest krat a dystrybutywn a z jedynk a. Dowód: Niech (A,,, ) bȩdzie krat a implikatywn a. Fakt, że krata ta ma jedynkȩ wynika natychmiast z Tw Wykazujemy dystrybutywność. Niech x, y, z A. Po lóżmy: a = (x y) (x z). St ad x y a oraz x z a. Stosuj ac wiȩc (8) na mocy Tw.2.4, otrzymujemy: y x a oraz z x a. Dlatego y z x a. Zatem, znowu z (8): x (y z) a, tzn., x (y z) (x y) (x z). Przyk lad. Dowolny lańcuch < A, > z elementem najwiȩkszym 1 jest krat a implikatywn a: dla dowolnych jego elementów a, b : a b = 1, gdy a b oraz a b = b, gdy b a i b a. Twierdzenie 2.6: W kracie implikatywnej (A,,,, 1) spe lnione s a zwi azki: dla dowolnych a, b, c A, (i) a a = 1, (ii) 1 a = a, (iii) b a b, (iv) a b wtw a b = 1, (v) a (a b) = a b, (vi) a (b c) = (a b) c, (vii) a (b c) (a b) (a c), (viii) (a b) (a c) a (b c), (ix) (a c) (b c) (a b) c. Dowód: (i), (ii) s a bezpośredni a konsekwencj a Tw.1.28(i), (iii). Warunek (iii) wynika z (8) wobec faktu, iż a b b. dla (iv) : ( ) : Niech a b. Ponieważ x A, a x a, wiȩc z za lożenia: x A, a x b. St ad a b = 1. ( ): Niech a b = 1. Ponieważ a (a b) b, wiȩc a 1 b, zatem a b. dla (v): Ponieważ a (a b) a oraz a (a b) b, wiȩc a (a b) a b. Z drugiej strony, a b a, a b b a b z (iii), zatem a b a (a b). Ostatecznie, a (a b) = a b. dla (vi): Po lóżmy x = a (b c), y = (a b) c. Ponieważ (a b) ((a b) c) c, czyli (a b) y c, wiȩc a y b c, a st ad y x. Z dugiej strony, a (a (b c)) b c, tzn. a x b c. Zatem z (8): b (a x) c, dlatego x (a b) c, tzn., x y. dla (vii): Ponieważ wed lug (v) : a (a b) (a (b c)) = (a b) (a (b c)) = b (a (a (b c))) = b (a (b c)) b (b c) c, wiȩc

4 3. Algebry Heytinga 4 (a b) (a (b c)) a c, st ad zaś: a (b c) (a b) (a c). dla (viii): Ponieważ a (a b) (a c) a (a b) b oraz a (a b) (a c) a (a c) c, wiȩc a (a b) (a c) b c, zatem (a b) (a c) a (b c). dla (ix): Ponieważ a (a c) (b c) a (a c) c oraz b (a c) (b c) b (b c) c wiȩc (a (a c) (b c)) (b (a c) (b c)) c, zatem z dystrybutywności (Tw.2.5) otrzymujemy: (a b) (a c) (b c) c, st ad zaś: (a c) (b c) (a b) c. Twierdzenie 2.7: Algebra (A,,, ) typu (2,2,2) jest krat a implikatywn a wtw (A,, ) jest krat a (tzn. spe lnione s a równości (1)-(4)) oraz dla dowolnych x, y, z A spe lnione s a równości: (9) x x = y y, (10) x (x y) = x y, (11) x (y z) = (x y) z. Dowód: ( ): oczywisty na mocy Tw.2.5, Tw.2.6(i), (v), (vi). ( ): Za lóżmy, że w kracie (A,, ) mamy operacjȩ, dla której zachodz a równości (9)-(11). Zauważmy najpierw, iż wed lug (10), dla dowolnych a, b A mamy: a (a b) = a b b, czyli a b należy do zbioru {x A : a x b}. Aby wykazać, że a b jest elementem najwiȩkszym w tym zbiorze, udowodnimy wcześniej pewne fakty pomocnicze. Po pierwsze, na mocy (9), dla dowolnego x A, element x x jest jednym i tym samym elementem, oznaczmy wiȩc go jakoś, np. symbolem 1. Wtedy dla dowolnego x A, na mocy (10) mamy: x 1 = x (x x) = x x = x, co dowodzi, że x 1, tzn. element 1 jest jedynk a w kracie (A,, ). Po drugie, zachodzi: (i) x 1 = 1. Bowiem, na mocy (11): x 1 = x (x x) = (x x) x = x x = 1. Po trzecie, dowodzimy, że dla dowolnych a, b A, (ii) a b wtw a b = 1. ( ): Niech a b. Wówczas a b = a. Zatem z (11) oraz (i) : a b = (a b) b = a (b b) = a 1 = 1. ( ): Niech a b = 1. Wówczas z (10): a b = (a b) a = 1 a = a, zatem a b. Weźmy teraz dowolne a, b, x A takie, że a x b. Wówczas, na mocy (ii) : (a x) b = 1. Lecz wed lug (11): (a x) b = (x a) b = x (a b). Zatem x (a b) = 1. Wobec tego z (ii) : x a b. 3. Algebry Heytinga Definicja. Kratȩ implikatywn a z zerem nazywamy algebr a Heytinga. W algebrze Heytinga dysponujemy operacj a pseudo-uzupe lnienia : dla dowolnego elementu x algebry, x = x 0 (por. Tw.1.23). Zatem algebrȩ Heytinga można postrzegać jako algebrȩ (A,,,,, 0, 1) typu (2,2,2,1,0,0)

5 3. Algebry Heytinga 5 tak a, że (A,,,, 1) jest krat a implikatywn a, 0 - jest zerem tej kraty oraz jest operacj a pseudo-uzupe lnienia. Naturalnie algebry Heytinga można zdefiniować równościowo, tzn. podaj ac zbiór równości spe lnionych w tych algebrach. Wystarczy zastosować Tw.2.7. Jeśli rozważamy algebry Heytinga w postaci (A,,,, 0) to definiuj a je równości (1)-(4), (9)-(11) oraz równość: x 0 = x; jeśli zaś w postaci: (A,,,,, 0, 1), to należy dodać jeszcze równość definiuj ac a operacjȩ pseudo-uzupe lnienia: x = x 0, przy czym zamiast równości (9) wystȩpuje teraz równość : x x = 1. Przyk lady. Nastȩpuj aca krata jest algebr a Heytinga: 1 c d a b 0 Operacja pseudo-uzupe lnienia jest tu określona nastȩpuj aco: 0 1 a d b a c 0 d a 1 0 Niech < X, > bȩdzie dowolnym zbiorem cz. up. oraz niech D(X) bȩdzie zbiorem wszystkich podzbiorów Y X spe lniaj acych warunek: x, y X(x Y i x y y Y ). Wówczas (D(X),,,, ) jest algebr a Heytinga, w której dla dowolnych Y, Z D(X), Y Z = {U D(X) : U Y Z} = {x X : y X(x y i y Y y Z} = {x X : [x) Y Z}, gdzie dla dowolnego x X, [x) = {y X : x y}. Albowiem, po pierwsze, latwo sprawdzić, że (D(X),,, ) jest krat a z zerem (tzn., że iloczyn i suma teoriomnogościowa s a operacjami na D(X) oraz D(X)). Po drugie, wykazujemy, że dla dowolnych Y, Z D(X), Y (Y Z) Z (naturalnie kratowym porz adkiem w (D(X),, ) jest inkluzja). Ustalmy wiȩc Y, Z D(X). Mamy dowieść, iż Y {x X : [x) Y Z} Z, co jest oczywiste. Po trzecie, należy dowieść, że U D(X), jeżeli Y U Z, to U (Y Z), co jest oczywiste z pierwszego określenia operacji pseudouzupe lnienia: Y Z = {U D(X) : U Y Z}.

6 3. Algebry Heytinga 6 Dla zbioru cz. up. z przyk ladu z 1, rozdzia l 1, opisana powyżej algebra Heytinga ma postać: {a, b, c, d, e} {a, c, d, e} {b, c, d, e} {c, d, e} {d, e} {d} {e} Operacja pseudo-uzupe lnienia jest tu określona nastȩpuj aco: {a, b, c, d, e} {d} {e} {e} {d} {d, e} {c, d, e} {a, c, d, e} {b, c, d, e} {a, b, c, d, e} Twierdzenie 2.8: W algebrze Heytinga (A,,,,, 0, 1) spe lnione s a zwi azki: dla dowolnych a, b A, (i) a a = 0, (ii) a a = a, (iii) a a, (iv) a b b a, (v) a = a, (vi) (a b) = a b, (vii) a b (a b), (viii) a b a b, (ix) a b = b a, (x) 0 a = 1, (xi) (a a) = 1.

7 3. Algebry Heytinga 7 Dowód: dla (i) oczywisty z definicji pseudo-uzupe lnienia. dla (ii): Na mocy (i) oraz Tw.2.6(v) : a (a a) = a a = 0. Zatem a a a 0 = a. Z drugiej strony, a a a, na podstawie Tw.2.6(iii). dla (iii): Na mocy (i) : a a 0 = a. dla (iv): Za lóżmy, że a b. Wówczas a b = a. St ad a b = (a b) b = 0, zatem b a 0 = a. dla (v): Na mocy (iii) : a a oraz a a, sk ad, na podstawie (iv) : a a. Ostatecznie, a = a. dla (vi): Ponieważ a a b, b a b, wiȩc wed lug (iv) : (a b) a, (a b) b, zatem (a b) a b. Z drugiej strony, na mocy dystrybutywności i (i) : (a b) ( a b) = (a a b) (b a b) = 0 0 = 0, zatem a b (a b) 0 = (a b). dla (vii): Ponieważ z dystrybutywności i (i) : (a b) ( a b) = (a b a) (a b b) = 0 0 = 0, wiȩc a b (a b) 0 = (a b). dla (viii): Ponieważ wed lug dystrybutywności oraz (i) : a ( a b) = (a a) (a b) = 0 (a b) = a b b, wiȩc a b a b. dla (ix): Na mocy Tw.2.6(v) : a (b (a b)) = b (a (a b)) = b (a b) = 0, zatem b (a b) a 0 = a. St ad zaś otrzymujemy: a b b a. Wobec dowolności wyboru elementów a, b, zamieniaj ac a na b i b na a mamy: b a a b i ostatecznie: a b = b a. dla (x): oczywisty na mocy Tw.2.6(iv). dla (xi) : (a a) = ( a a) = 0 = 1, na mocy (vi), (i) oraz Tw.1.24 (1 jest uzupe lnieniem elementu 0 w algebrze Heytinga, zatem jest pseudo-uzupe lnieniem 0, st ad 1 = 0). Na mocy Tw.2.3 jest oczywiste, że dowolna algebra Boole a (A,,,,, 0, 1), gdzie dla dowolnych a, b A, a b = a b, jest algebr a Heytinga. W ogólności zwi azek miȩdzy tymi typami algebr jest postaci: Twierdzenie 2.9: Algebra (A,,,,, 0, 1) jest algebr a Boole a wtw (A,,,,, 0, 1) jest algebr a Heytinga, w której dla dowolnego x A : x x = 1. Dowód: ( ): Oczywisty (por. równość (7) w Tw.2.1). ( ): Za lóżmy, że (A,,,,, 0, 1) jest algebr a Heytinga tak a, że spe lniona jest równość: x x = 1. Ponieważ x x = 0 (Tw.2.8(i)), wiȩc wobec dystrybutywności algebry Heytinga, na mocy Tw.1.28, x jest uzupe lnieniem elementu x, czyli każdy element tej algebry ma uzupe lnienie. Jest to wiȩc algebra Boole a. Naturalnie w Tw.2.9 równość: x x = 1, można zamienić na równość: x = x, uzyskuj ac prawdziwe twierdzenie. Bowiem oczywiście równość x = x jest spe lniona w dowolnej algebrze Boole a (T.2.2(ii)), natomiast odwrotnie, w każdej algebrze Heytinga spe lniaj acej tȩ równość, na mocy Tw.2.8(xi), spe lniona jest równość: x x = 1, co na mocy Tw.2.9 świadczy o tym, iż algebra ta jest algebra Boole a.

8 4. Algebry implikacyjne 8 4. Algebry implikacyjne Definicja. Algebrȩ (A,, 1) typu (2,0) nazywamy algebr a implikacyjn a, gdy (i) relacja określona na A nastȩpuj aco: a b wtw a b = 1, jest czȩściowo porz adkuj aca, (ii) 1 jest elementem najwiȩkszym w < A, >, (iii) dla dowolnych a, b A, b a b, (iv) dla dowolnych a, b, c A, a (b c) (a b) (a c). Twierdzenie 2.10: Każda krata implikatywna, precyzyjniej: odpowiedni redukt tej kraty, jest algebr a implikacyjn a. Dowód: Oczywisty na mocy Tw.2.5 oraz Tw.2.6(iv), (iii), (vii). Twierdzenie 2.11: Dla dowolnego zbioru cz. up. < A, > z elementem najwiȩkszym 1, algebra (A,, 1), w której dla dowolnych x, y A : x y = 1, gdy x y oraz x y = y, gdy x y, jest algebr a implikacyjn a. Dowód: Zauważmy najpierw, że dla dowolnych a, b A : a b wtw a b = 1. Bowiem implikacja ( ) jest oczywista z określenia operacji. Aby dowieść implikacji odwrotnej za lóżmy, że a b = 1 oraz że a b. Wówczas z określenia operacji : a b = b. Zatem b = 1, a wiȩc a b; sprzeczność. W ten sposób relacja definiowana przez operacjȩ wed lug warunku (i) definicji algebry implikacyjnej, jest czȩściowo porz adkuj aca, bo relacja wyjściowa jest czȩściowo porz adkuj aca. Oczywiście również warunki (ii), (iii) tej definicji s a spe lnione. Aby wykazać, że spe lniony jest warunek (iv), weźmy pod uwagȩ elementy a, b, c A i rozważmy alternatywȩ: a c lub a c. Jeśli zachodzi a c, to na mocy (i) : a c = 1. Ponieważ a b 1, wiȩc a b a c, zatem z (i) : (a b) (a c) = 1, a st ad a (b c) (a b) (a c). Za lóżmy, że a c. Wówczas, z określenia operacji mamy: a c = c. Rozważmy alternatywȩ: b c lub b c. Niech b c. Wówczas a b (gdyby by lo: a b, to by loby: a c, co jest niemożliwe). Zatem a b = b i wówczas zgodnie z za lożeniem: a b c, zatem wed lug (i) otrzymujemy: (a b) c = 1. Zatem (a b) (a c) = 1, czyli znowu: a (b c) (a b) (a c). Gdy zaś b c, to b c = c i w konsekwencji: a (b c) = a c = c (a b) c = (a b) (a c). Twierdzenie 2.12: W algebrze implikacyjnej (A,, 1) zachodz a nastȩpuj ace zwi azki: dla dowolnych a, b, c A, (i) a b c b a c, (ii) 1 a = a, (iii) b c a b a c, (iv) a b b c a c, (v) a (a b) = a b, (vi) a (b c) = b (a c) (vii) a (b c) = (a b) (a c), (viii) (a b) ((b a) b) = (b a) ((a b) a).

9 4. Algebry implikacyjne 9 Dowód: dla (i): Za lóżmy, że a b c. Zatem a (b c) = 1. St ad na mocy warunków (ii), (iv) definicji algebry implikacyjnej otrzymujemy: (a b) (a c) = 1, co implikuje: a b a c, zatem wed lug warunku (iii) definicji algebry implikacyjnej: b a c. dla (ii): Ponieważ 1 a 1 a, wiȩc na mocy (i) mamy: 1 (1 a) a, tzn., (1 a) a = 1. Zatem (1 a) a. Z drugiej strony, a 1 a na mocy warunku (iii) definicji algebry implikacyjnej. Ostatecznie, 1 a = a. dla (iii): Za lóżmy, że b c, czyli b c = 1. Zatem skoro a 1, wiȩc a (b c), tzn., a (b c) = 1. St ad i z warunków (iv), (ii) definicji algebry implikacyjnej, otrzymujemy: (a b) (a c) = 1, co implikuje: a b a c. dla (iv): Za lóżmy, że a b, tzn. a b = 1. Wówczas z warunków (iii), (iv) definicji algebry implikacyjnej zachodzi: b c a (b c) (a b) (a c) = 1 (a c) = a c (zastosowanie (ii)). dla (v): Z (ii) oraz warunku (iv) definicji algebry implikacyjnej mamy: a (a b) (a a) (a b) = 1 (a b) = a b. Z drugiej strony, a b a (a b), na mocy warunku (iii) tejże definicji. Ostatecznie, a (a b) = a b. dla (vi): Ponieważ wed lug warunku (iv) definicji algebry implikacyjnej: a (b c) (a b) (a c) wiȩc dziȩki (i) otrzymujemy: a b (a (b c)) (a c). St ad, na mocy warunku (iii) definicji mamy: b (a (b c)) (a c). Zatem znowu stosuj ac (i) uzyskujemy: a (b c) b (a c). Zamieniaj ac a na b i b na a mamy: b (a c) a (b c) i ostatecznie, a (b c) = b (a c). dla (vii): Z warunku (iii) definicji algebry implikacyjnej: b a b, zatem stosuj ac (iv) i (vi) mamy: (a b) (a c) b (a c) = a (b c). L acz ac to z warunkiem (iv) definicji otrzymujemy: a (b c) = (a b) (a c). dla (viii): Ponieważ b a b a, wiȩc na mocy (i) : b (b a) a, st ad na mocy (iii) otrzymujemy: (b a) b (b a) ((b a) a). Zatem wed lug (v) : (b a) b (b a) a, a st ad znowu dziȩki (iii) a nastȩpnie (vi) : (a b) ((b a) b) (a b) ((b a) a) = (b a) ((a b) a). Zamieniaj ac a na b oraz b na a otrzymujemy: (b a) ((a b) a) (a b) ((b a) b). Ostatecznie zachodzi (viii). Twierdzenie 2.13: Algebra (A,, 1) typu (2,0) jest algebr a implikacyjn a wtw dla dowolnych x, y, z A spe lnione s a równości: (12) 1 x = x, (13) x x = 1, (14) x (y z) = (x y) (x z), (15) (x y) ((y x) y) = (y x) ((x y) x). Dowód: ( ): Oczywisty na mocy Tw.2.12(ii), (vii), (viii). ( ): Za lóżmy, że w algebrze (A,, 1) spe lnione s a równości (12)-(15). Wykazujemy warunek (i) definicji algebry implikacyjnej. Zwrotność relacji

10 5. Algebry modalne 10 określonej w (i) wynika z (13). Aby wykazać jej antysymetriȩ za lóżmy, że a b i b a, tzn., a b = b a = 1. Wówczas z (15) mamy: 1 (1 b) = 1 (1 a), a st ad b = a, dziȩki (12). Zanim dowiedziemy przechodniości relacji wykazujemy, że a A, a 1 = 1. Rzeczywiście, na mocy (13) i (14): a 1 = a (a a) = (a a) (a a) = 1. Aby dowieść przechodniości za lóżmy, że a b oraz b c, czyli a b = b c = 1. Wówczas z (14) i (12): 1 = a 1 = a (b c) = (a b) (a c) = 1 (a c) = a c, zatem a c. Naturalnie warunek (ii) definicji algebry implikacyjnej wynika z faktu: a 1 = 1. Na mocy (14) i (13) mamy: b (a b) = (b a) (b b) = (b a) 1 = 1, zatem b a b, co dowodzi warunku (iii). Oczywiście warunek (iv) jest spe lniony na mocy (14) i zwrotności relacji. 5. Algebry modalne Definicja. Algebra (A,,,, I, 0, 1) typu (2,2,1,1,0,0) jest nazywana algebr a modaln a, gdy (A,,,, 0, 1) jest algebr a Boole a oraz operacja I spe lnia nastȩpuj ace warunki: dla dowolnych a, b A, (16) I(a b) = Ia Ib, (17) I1 = 1. Algebra modalna (A,,,, I, 0, 1) nazywana jest topologiczn a algebr a Boole a, gdy operacja I spe lnia warunki: dla dowolnego a A, (18) Ia a, gdzie jest kratowym porz adkiem kraty (A,, ), (19) IIa = Ia. Operacja I w topologicznej algebrze Boole a nosi nazwȩ operacji wnȩtrza. Naturalnie każda algebra Boole a wyposażona w operacjȩ identycznościow a, jest topologiczn a algebr a Boole a (w której operacj a wnȩtrza jest funkcja identycznościowa). Definicja. Niech (A,,,, I, 0, 1) bȩdzie topologiczn a algebr a Boole a. Operacjȩ 1-argumentow a C na zbiorze A określon a nastȩpuj aco: dla dowolnego a A, Ca = I a, nazywamy operacj a domkniȩcia. Element a A nazywamy otwartym (domkniȩtym), gdy a = Ia (a = Ca). Twierdzenie 2.14: Dla dowolnego elementu a w topologicznej algebrze Boole a, jego wnȩtrze Ia (domkniȩcie Ca) jest najwiȩkszym elementem otwartym bȩd acym pod nim (najmniejszym elementem domkniȩtym bȩd acym nad nim) wed lug kratowego porz adku. Dowód: Niech a bȩdzie dowolnym elementem topologicznej algebry Boole a (A,,,, I, 0, 1). Na mocy warunku (19), element Ia jest otwarty. Natomiast wed lug warunku (18), Ia jest pod a. Aby dowieść, że element Ia jest

11 5. Algebry modalne 11 najwiȩkszym w zbiorze {x A : x = Ix i x a}, najpierw wykazujemy, że zachodzi w ogólności, dla dowolnych x, y A: (20) x y Ix Iy. Niech x y. Zatem x y = x. St ad i z (16): Ix Iy = Ix, dlatego Ix Iy. Za lóżmy teraz że element otwarty x jest taki, że x a. Wówczas na mocy (20): Ix Ia. Lecz Ix = x. Zatem x Ia. Zanim wykażemy dualn a czȩść twierdzenia, udowodnimy nastȩpuj ace w lasności operacji domkniȩcia C: dla dowolnych a, b A, (21) C(a b) = Ca Cb, (22) C(0) = 0, (23) a Ca, (24) CCa = Ca, (25) a b Ca Cb. Mamy wiȩc na mocy (16): C(a b) = I (a b) = I( a b) = (I a I b) = I a I b = Ca Cb. Dalej, na mocy (17): C0 = I 0 = I1 = 1 = 0. Z kolei, wed lug (18): I a a. Zatem, na mocy Tw.2.2(v) : a I a, tzn. a Ca. Wreszcie, wed lug (19) mamy: CCa = I ( I a) = II a = I a = Ca. Warunku (25) dowodzi siȩ analogicznie jak warunku (20), korzystaj ac z (21) w miejsce (16). Oczywiście, na mocy (24), (23), Ca jest elementem domkniȩtym takim, że a jest pod nim. Niech teraz x A bȩdzie elementem domkniȩtym takim, że a x. Wówczas z (25): Ca Cx, czyli Ca x. Twierdzenie 2.15: Dla dowolnej topologicznej algebry Boole a (A,,,, I, 0, 1) algebra (G(A),,,,, 0, 1), gdzie G(A) = {a A : a = Ia} jest zbiorem wszystkich elementów otwartych i dla dowolnych a, b G(A) : a b = I(a b) = I( a b) oraz a = I a = Ca, jest algebr a Heytinga. Dowód: Najpierw wykażmy, że operacje, topologicznej algebry Boole a s a operacjami na zbiorze G(A). Niech wiȩc a, b G(A), tzn. a = Ia, b = Ib. Wówczas, zgodnie z (16): a b = Ia Ib = I(a b), zatem a b G(A). Ponadto, z (18): I(a b) a b. Z drugiej strony, a a b oraz b a b, zatem z (20): Ia I(a b) i Ib I(a b), czyli Ia Ib I(a b). Lecz Ia Ib = a b, zatem a b I(a b). Ostatecznie, a b = I(a b), czyli a b G(A). Co wiȩcej, wed lug (17): 1 G(A), również 0 G(A), bowiem z (18): I0 0, a oczywiście 0 Ia. Naturalnie a b, a G(A) z określenia operacji, (na mocy (19) dla dowolnego x A, Ix G(A)). Aby wykazać, że (G(A),,,,, 0, 1) jest algebr a Heytinga, zauważmy najpierw, że dla dowolnego a G(A), a = a 0, jak również, że 0 jest zerem tej algebry. Wystarcza wiȩc wykazać zwi azek (8) (Tw.2.4): dla dowolnych a, b, x G(A), a x b wtw x a b. ( ): Za lóżmy, że a x b. Wówczas x a x = 1 ( a x) = ( a a) ( a x) = a (a x) a b, dlatego Ix I( a b), czyli x a b.

12 5. Algebry modalne 12 ( ): Za lóżmy, że x a b, zatem x I( a b) a b. Wówczas a x a ( a b) = (a a) (a b) = 0 (a b) = a b b. Definicja. Topologiczn a algebrȩ Boole a (A,,,, I, 0, 1) nazywamy algebr a monadyczn a, gdy dla dowolnego a A, CIa = Ia, tzn., gdy każdy otwarty element tej topologicznej algebry Boole a jest jednocześnie elementem domkniȩtym. Naturalnie w każdej algebrze monadycznej spe lniona jest równość: dla dowolnego elementu a, (26) Ia = I Ia, bowiem CIa = Ia wtw I Ia = Ia wtw I Ia = Ia. Definicja. Algebra (A,,,, I, 0, 1) typu (2,2,1,1,0,0) jest nazywana algebr a Henlego, gdy (A,,,, 0, 1) jest algebr a Boole a oraz operacja I jest zdefiniowana nastȩpuj aco: dla dowolnego a A, Ia = 0, gdy a 1 oraz I1 = 1. Twierdzenie 2.16: Algebra Henlego jest algebr a monadyczn a. Dowód: Bezpośrednio z określenia operacji I w algebrze Henlego widać, że warunki (17),(18,(19) s a spe lnione. Ponadto, dla dowolnych jej elementów a, b mamy: a b 1 wtw a 1 lub b 1, zatem gdy a, b s a takie, że a b 1, to I(a b) = 0 oraz Ia = 0 lub Ib = 0, czyli Ia Ib = 0, zatem I(a b) = Ia Ib. Naturalnie, gdy a, b s a takie, że a b = 1, to a = b = 1 i wówczas Ia = Ib = 1, czyli Ia Ib = 1, zaś I(a b) = 1. Ostatecznie, warunek (16) zachodzi. W ten sposób widać, że algebra Henlego jest algebr a topologiczn a. Ponadto, w algebrze Henlego mamy: dla dowolnego elementu a, Ca = 1, gdy a 0 oraz C0 = 0. Bowiem gdy a 0, czyli a 1 zachodzi: Ca = I a = 0 = 1, natomiast C0 = I 0 = I1 = 1 = 0. Zatem, gdy a 1, to CIa = C0 = 0 = Ia oraz CI1 = C1 = 1 = I1, czyli algebra Henlego jest monadyczna.

Rozdzia l 3. Elementy algebry uniwersalnej

Rozdzia l 3. Elementy algebry uniwersalnej Rozdzia l 3. Elementy algebry uniwersalnej 1. Podalgebry, homomorfizmy Definicja. Niech = B A oraz o bȩdzie n-argumentow a operacj a na zbiorze A. Mówimy, że zbiór B jest zamkniȩty na operacjȩ o, gdy dla

Bardziej szczegółowo

Rozdzia l 1. Podstawowe elementy teorii krat

Rozdzia l 1. Podstawowe elementy teorii krat Rozdzia l 1. Podstawowe elementy teorii krat 1. Zbiory czȩściowo uporz adkowane Definicja. Relacjȩ binarn a określon a na zbiorze A nazywamy relacj a czȩściowo porz adkuj ac a, gdy jest zwrotna, antysymetryczna

Bardziej szczegółowo

Rozdzia l 10. Najważniejsze normalne logiki modalne

Rozdzia l 10. Najważniejsze normalne logiki modalne Rozdzia l 10. Najważniejsze normalne logiki modalne 1. Logiki modalne normalne Definicja. Inwariantny zbiór formu l X jȩzyka modalnego L = (L,,,,, ) nazywamy logik a modaln a zbazowan a na logice klasycznej

Bardziej szczegółowo

Rozdzia l 3. Relacje binarne

Rozdzia l 3. Relacje binarne Rozdzia l 3. Relacje binarne 1. Para uporz adkowana. Produkt kartezjański dwóch zbiorów Dla pary zbiorów {x, y} zachodzi, jak latwo sprawdzić, równość {x, y} = {y, x}. To znaczy, kolejność wymienienia

Bardziej szczegółowo

Niech X bȩdzie dowolnym zbiorem. Dobry porz adek to relacja P X X (bȩdziemy pisać x y zamiast x, y P ) o w lasnościach:

Niech X bȩdzie dowolnym zbiorem. Dobry porz adek to relacja P X X (bȩdziemy pisać x y zamiast x, y P ) o w lasnościach: Teoria miary WPPT IIr semestr zimowy 2009 Wyk lad 4 Liczby kardynalne, indukcja pozaskończona DOBRY PORZA DEK 14/10/09 Niech X bȩdzie dowolnym zbiorem Dobry porz adek to relacja P X X (bȩdziemy pisać x

Bardziej szczegółowo

Rozdzia l 9. Zbiory liczb porz adkowych. Liczby porz adkowe izolowane i graniczne

Rozdzia l 9. Zbiory liczb porz adkowych. Liczby porz adkowe izolowane i graniczne Rozdzia l 9. Zbiory liczb porz adkowych. Liczby porz adkowe izolowane i graniczne 1. Kresy wzglȩdem dowolnego zbioru liczb porz adkowych Poświȩcimy teraz uwagȩ przede wszystkich kratowym w lasnościom klasy

Bardziej szczegółowo

Rozdzia l 8. Pojȩcie liczby porz adkowej

Rozdzia l 8. Pojȩcie liczby porz adkowej Rozdzia l 8. Pojȩcie liczby porz adkowej 1. Liczby naturalne a liczby porz adkowe Oto cztery pierwsze liczby naturalne zapisane wed lug różnych czterech notacji w porz adku od najmniejszej do najwiȩkszej:,

Bardziej szczegółowo

Wyk lad 7 Baza i wymiar przestrzeni liniowej

Wyk lad 7 Baza i wymiar przestrzeni liniowej Wyk lad 7 Baza i wymiar przestrzeni liniowej 1 Baza przestrzeni liniowej Niech V bedzie przestrzenia liniowa. Powiemy, że podzbiór X V jest maksymalnym zbiorem liniowo niezależnym, jeśli X jest zbiorem

Bardziej szczegółowo

Wyk lad 6 Podprzestrzenie przestrzeni liniowych

Wyk lad 6 Podprzestrzenie przestrzeni liniowych Wyk lad 6 Podprzestrzenie przestrzeni liniowych 1 Określenie podprzestrzeni Definicja 6.1. Niepusty podzbiór V 1 V nazywamy podprzestrzeni przestrzeni liniowej V, jeśli ma on nastepuj ace w lasności: (I)

Bardziej szczegółowo

Algebra i jej zastosowania konspekt wyk ladu, czȩść druga

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

Bardziej szczegółowo

Wyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera

Wyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera Wyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera Określenie podpierścienia Definicja 9.. Podpierścieniem pierścienia (P, +,, 0, ) nazywamy taki podzbiór A P, który jest pierścieniem ze wzgledu

Bardziej szczegółowo

Sterowalność liniowych uk ladów sterowania

Sterowalność liniowych uk ladów sterowania Sterowalność liniowych uk ladów sterowania W zadaniach sterowania docelowego należy przeprowadzić obiekt opisywany za pomoc a równania stanu z zadanego stanu pocz atkowego ẋ(t) = f(x(t), u(t), t), t [t,

Bardziej szczegółowo

Wyk lad 9 Baza i wymiar przestrzeni liniowej

Wyk lad 9 Baza i wymiar przestrzeni liniowej Wyk lad 9 Baza i wymiar przestrzeni liniowej 1 Operacje elementarne na uk ladach wektorów Niech α 1,..., α n bed dowolnymi wektorami przestrzeni liniowej V nad cia lem K. Wyróżniamy nastepuj ace operacje

Bardziej szczegółowo

Rozdzia l 11. Liczby kardynalne

Rozdzia l 11. Liczby kardynalne Rozdzia l 11. Liczby kardynalne 1. Równoliczność zbiorów Definicja. Dla dowolnych zbiorów x, y : x jest równoliczny z y, gdy istnieje funkcja f : x y, która jest bijekcj a. Zauważmy, że funkcja f : y,

Bardziej szczegółowo

Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania

Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania 1 Przekszta lcenia liniowe i ich w lasności Definicja 9.1. Niech V i W bed przestrzeniami liniowymi. Przekszta lcenie f : V W spe lniajace warunki:

Bardziej szczegółowo

Teoria miary WPPT IIr. semestr zimowy 2009 Wyk lady 6 i 7. Mierzalność w sensie Carathéodory ego Miara Lebesgue a na prostej

Teoria miary WPPT IIr. semestr zimowy 2009 Wyk lady 6 i 7. Mierzalność w sensie Carathéodory ego Miara Lebesgue a na prostej Teoria miary WPPT IIr. semestr zimowy 2009 Wyk lady 6 i 7. Mierzalność w sensie Carathéodory ego Miara Lebesgue a na prostej 27-28/10/09 ZBIORY MIERZALNE WZGLȨDEM MIARY ZEWNȨTRZNEJ Niech µ bȩdzie miar

Bardziej szczegółowo

Metoda Simplex bez użycia tabel simplex 29 kwietnia 2010

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

Bardziej szczegółowo

Tomasz Downarowicz Instytut Matematyki i Informatyki Politechnika Wroc lawska Wroc law Wroc law, kwiecień 2011

Tomasz Downarowicz Instytut Matematyki i Informatyki Politechnika Wroc lawska Wroc law Wroc law, kwiecień 2011 Tomasz Downarowicz Instytut Matematyki i Informatyki Politechnika Wroc lawska 50-370 Wroc law Wroc law, kwiecień 2011 Analiza Funkcjonalna WPPT IIr. Wyk lady 4 i 5: Przestrzenie unitarne i Hilberta (rzeczywiste

Bardziej szczegółowo

Wyk lad 4 Warstwy, dzielniki normalne

Wyk lad 4 Warstwy, dzielniki normalne Wyk lad 4 Warstwy, dzielniki normalne 1 Warstwy grupy wzgl edem podgrupy Niech H bedzie podgrupa grupy (G,, e). W zbiorze G wprowadzamy relacje l oraz r przyjmujac, że dla dowolnych a, b G: a l b a 1 b

Bardziej szczegółowo

Wyk lad 5 W lasności wyznaczników. Macierz odwrotna

Wyk lad 5 W lasności wyznaczników. Macierz odwrotna Wyk lad 5 W lasności wyznaczników Macierz odwrotna 1 Operacje elementarne na macierzach Bardzo ważne znaczenie w algebrze liniowej odgrywaja tzw operacje elementarne na wierszach lub kolumnach macierzy

Bardziej szczegółowo

Wyk lad 3 Wyznaczniki

Wyk lad 3 Wyznaczniki 1 Określenie wyznacznika Wyk lad 3 Wyznaczniki Niech A bedzie macierza kwadratowa stopnia n > 1 i niech i, j bed a liczbami naturalnymi n Symbolem A ij oznaczać bedziemy macierz kwadratowa stopnia n 1

Bardziej szczegółowo

LOGIKA ALGORYTMICZNA

LOGIKA ALGORYTMICZNA LOGIKA ALGORYTMICZNA 0.0. Relacje. Iloczyn kartezjański: A B := (a, b) : a A i b B} (zak ladamy, że (x, y) i (u, v) s a równe wtedy i tylko wtedy gdy x = u i y = v); A n := (x 1,..., x n ) : x i A}; R

Bardziej szczegółowo

Rozdzia l 7. Liczby naturalne

Rozdzia l 7. Liczby naturalne Rozdzia l 7. Liczby naturalne 1. Arytmetyka elementarna Arytmetyka elementarna jest najprostsz a z teorii liczb naturalnych. Ujmuje ona liczby naturalne bez uwzglȩdnienia dzia lań dodawania i mnożenia.

Bardziej szczegółowo

Wyk lad 12. (ii) najstarszy wspó lczynnik wielomianu f jest elementem odwracalnym w P. Dowód. Niech st(f) = n i niech a bedzie

Wyk lad 12. (ii) najstarszy wspó lczynnik wielomianu f jest elementem odwracalnym w P. Dowód. Niech st(f) = n i niech a bedzie 1 Dzielenie wielomianów Wyk lad 12 Ważne pierścienie Definicja 12.1. Niech P bedzie pierścieniem, który może nie być dziedzina ca lkowitości. Powiemy, że w pierścieniu P [x] jest wykonalne dzielenie z

Bardziej szczegółowo

Algebra i jej zastosowania ćwiczenia

Algebra i jej zastosowania ćwiczenia Algebra i jej zastosowania ćwiczenia 14 stycznia 2013 1 Kraty 1. Pokazać, że każda klasa kongruencji kraty (K, +, ) jest podkrata kraty (K, +, ). 2. Znaleźć wszystkie kongruencje kraty 2 3, gdzie 2 jest

Bardziej szczegółowo

Funkcje wielu zmiennych

Funkcje wielu zmiennych Funkcje wielu zmiennych 13 Zbiory w przestrzeni Definicja Przestrzeni a trójwymiarow a (przestrzeni a) nazywamy zbiór wszystkich trójek uporz adkowanych (x y z) gdzie x y z R. Przestrzeń tȩ oznaczamy symbolem

Bardziej szczegółowo

Funkcje wielu zmiennych

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

Bardziej szczegółowo

Wyk lad 11 1 Wektory i wartości w lasne

Wyk lad 11 1 Wektory i wartości w lasne Wyk lad 11 Wektory i wartości w lasne 1 Wektory i wartości w lasne Niech V bedzie przestrzenia liniowa nad cia lem K Każde przekszta lcenie liniowe f : V V nazywamy endomorfizmem liniowym przestrzeni V

Bardziej szczegółowo

Wyk lad 8 macierzy i twierdzenie Kroneckera-Capellego

Wyk lad 8 macierzy i twierdzenie Kroneckera-Capellego Wyk lad 8 Rzad macierzy i twierdzenie Kroneckera-Capellego 1 Określenie rz edu macierzy Niech A bedzie m n - macierza Wówczas wiersze macierzy A możemy w naturalny sposób traktować jako wektory przestrzeni

Bardziej szczegółowo

STYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1

STYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1 1 STYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1 Klasyczny Rachunek Prawdopodobieństwa. 1. Pojȩcia wstȩpne. Doświadczeniem losowym nazywamy doświadczenie, którego wynik nie jest znany. Posiadamy

Bardziej szczegółowo

Elementy analizy funkcjonalnej PRZESTRZENIE LINIOWE

Elementy analizy funkcjonalnej PRZESTRZENIE LINIOWE Elementy analizy funkcjonalnej PRZESTRZENIE LINIOWE Niech K = R lub K = C oraz X - dowolny zbiór. Określmy dwa dzia lania: dodawanie + : X X X i mnożenie przez liczbȩ : K X X, spe lniaj ace nastȩpuj ace

Bardziej szczegółowo

Elementy logiki i teorii mnogości Wyk lad 1: Rachunek zdań

Elementy logiki i teorii mnogości Wyk lad 1: Rachunek zdań Elementy logiki i teorii mnogości Wyk lad 1: Rachunek zdań Micha l Ziembowski m.ziembowski@mini.pw.edu.pl www.mini.pw.edu.pl/ ziembowskim/ October 2, 2016 M. Ziembowski (WUoT) Elementy logiki i teorii

Bardziej szczegółowo

Wyk lad 14 Formy kwadratowe I

Wyk lad 14 Formy kwadratowe I Wyk lad 14 Formy kwadratowe I Wielomian n-zmiennych x 1,, x n postaci n a ij x i x j, (1) gdzie a ij R oraz a ij = a ji dla wszystkich i, j = 1,, n nazywamy forma kwadratowa n-zmiennych Forme (1) można

Bardziej szczegółowo

Suma i przeciȩcie podprzestrzeni, przestrzeń ilorazowa Javier de Lucas

Suma i przeciȩcie podprzestrzeni, przestrzeń ilorazowa Javier de Lucas Suma i przeciȩcie podprzestrzeni, przestrzeń ilorazowa Javier de Lucas Ćwiczenie 1. Dowieść, że jeśli U i V s a podprzestrzeniami n-wymiarowej przestrzeni wektorowej oraz dim U = r i dim V = s, to max(0,

Bardziej szczegółowo

Wyk lad 7 Metoda eliminacji Gaussa. Wzory Cramera

Wyk lad 7 Metoda eliminacji Gaussa. Wzory Cramera Wyk lad 7 Metoda eliminacji Gaussa Wzory Cramera Metoda eliminacji Gaussa Metoda eliminacji Gaussa polega na znalezieniu dla danego uk ladu a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x n =

Bardziej szczegółowo

Liczby zespolone, liniowa zależność i bazy Javier de Lucas. a d b c. ad bc

Liczby zespolone, liniowa zależność i bazy Javier de Lucas. a d b c. ad bc Liczby zespolone, liniowa zależność i bazy Javier de Lucas Ćwiczenie. Dowieść, że jeśli µ := c d d c, to homografia h(x) = (ax+b)/(cx+d), a, b, c, d C, ad bc, odwzorowuje oś rzeczywist a R C na okr ag

Bardziej szczegółowo

Wyk lad 9 Baza i wymiar przestrzeni liniowej

Wyk lad 9 Baza i wymiar przestrzeni liniowej Wyk lad 9 Baza i wymiar liniowej Baza liniowej Niech V bedzie nad cia lem K Powiemy, że zbiór wektorów {α,, α n } jest baza V, jeżeli wektory α,, α n sa liniowo niezależne oraz generuja V tzn V = L(α,,

Bardziej szczegółowo

Rozdzia l 11. Przestrzenie Euklidesowe Definicja, iloczyn skalarny i norma. iloczynem skalarnym.

Rozdzia l 11. Przestrzenie Euklidesowe Definicja, iloczyn skalarny i norma. iloczynem skalarnym. Rozdzia l 11 Przestrzenie Euklidesowe 11.1 Definicja, iloczyn skalarny i norma Definicja 11.1 Przestrzenia Euklidesowa nazywamy par e { X K,ϕ }, gdzie X K jest przestrzenia liniowa nad K, a ϕ forma dwuliniowa

Bardziej szczegółowo

Wyk lad 5 Grupa ilorazowa, iloczyn prosty, homomorfizm

Wyk lad 5 Grupa ilorazowa, iloczyn prosty, homomorfizm Wyk lad 5 Grupa ilorazowa, iloczyn prosty, homomorfizm 1 Grupa ilorazowa Niech H b edzie dzielnikiem normalnym grupy G. Oznaczmy przez G/H zbiór wszystkich warstw lewostronnych grupy G wzgl edem podgrupy

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA dla ZPM I dr inż Krzysztof Bryś wyk lad 1,2 KLASYCZNY RACHUNEK PRAWDOPODOBIEŃSTWA

STATYSTYKA MATEMATYCZNA dla ZPM I dr inż Krzysztof Bryś wyk lad 1,2 KLASYCZNY RACHUNEK PRAWDOPODOBIEŃSTWA 1 STATYSTYKA MATEMATYCZNA dla ZPM I dr inż Krzysztof Bryś wyk lad 1,2 KLASYCZNY RACHUNEK PRAWDOPODOBIEŃSTWA 1. Pojȩcia wstȩpne. Doświadczeniem losowym nazywamy doświadczenie, którego wynik nie jest znany.

Bardziej szczegółowo

F t+ := s>t. F s = F t.

F t+ := s>t. F s = F t. M. Beśka, Całka Stochastyczna, wykład 1 1 1 Wiadomości wstępne 1.1 Przestrzeń probabilistyczna z filtracją Niech (Ω, F, P ) będzie ustaloną przestrzenią probabilistyczną i niech F = {F t } t 0 będzie rodziną

Bardziej szczegółowo

Wyk lad 4 Macierz odwrotna i twierdzenie Cramera

Wyk lad 4 Macierz odwrotna i twierdzenie Cramera Wyk lad 4 Macierz odwrotna i twierdzenie Cramera 1 Odwracanie macierzy I n jest elementem neutralnym mnożenia macierzy w zbiorze M n (R) tzn A I n I n A A dla dowolnej macierzy A M n (R) Ponadto z twierdzenia

Bardziej szczegółowo

Analiza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu

Analiza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu Analiza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu Wyk lad 4 1. Zbiory otwarte i domkniȩte Pojȩcia które teraz wprowadzimy można rozpatrywać w każdej przestrzeni metrycznej

Bardziej szczegółowo

domykanie relacji, relacja równoważności, rozkłady zbiorów

domykanie relacji, relacja równoważności, rozkłady zbiorów 1 of 8 2012-03-28 17:45 Logika i teoria mnogości/wykład 5: Para uporządkowana iloczyn kartezjański relacje domykanie relacji relacja równoważności rozkłady zbiorów From Studia Informatyczne < Logika i

Bardziej szczegółowo

Matematyka dyskretna. 1. Relacje

Matematyka dyskretna. 1. Relacje Matematyka dyskretna 1. Relacje Definicja 1.1 Relacją dwuargumentową nazywamy podzbiór produktu kartezjańskiego X Y, którego elementami są pary uporządkowane (x, y), takie, że x X i y Y. Uwaga 1.1 Jeśli

Bardziej szczegółowo

Wyk lad 2 Podgrupa grupy

Wyk lad 2 Podgrupa grupy Wyk lad 2 Podgrupa grupy Definicja 2.1. Pod grupy (G,, e) nazywamy taki podzbiór H G, że e H, h 1 H dla każdego h H oraz h 1 h 2 H dla dowolnych h 1, h 2 H. Jeśli H jest grupy G, to bedziemy pisali H G.

Bardziej szczegółowo

Logika matematyczna i teoria mnogości (I) J. de Lucas

Logika matematyczna i teoria mnogości (I) J. de Lucas Logika matematyczna i teoria mnogości (I) J. de Lucas Ćwiczenie 1. (Zad. L. Newelskiego) Niech p oznacza zdanie Ala je, zaś q zdanie As wyje. Zapisz jako formu ly rachunku zdań nastȩpuj ace zdania: 1.1.

Bardziej szczegółowo

Szymon G l ab. Struktury losowe II Graf losowy. Instytut Matematyki, Politechnika Lódzka

Szymon G l ab. Struktury losowe II Graf losowy. Instytut Matematyki, Politechnika Lódzka Instytut Matematyki, Politechnika Lódzka Graf losowy jako granica Fraisse Przez K graf oznaczmy rodzinȩ wszystkich skończonych grafów (np. na N). Niech G bȩdzie granic a Fraisse rodziny K graf. Strukturȩ

Bardziej szczegółowo

TOPOLOGIA PRZESTRZENI METRYCZNYCH, ZWARTOŚĆ,

TOPOLOGIA PRZESTRZENI METRYCZNYCH, ZWARTOŚĆ, TOPOLOGIA PRZESTRZENI METRYCZNYCH, ZWARTOŚĆ, SPÓJNOŚĆ I POJȨCIA BLISKIE (DO UŻYTKU WEWNȨTRZNEGO, I DO SPRAWDZENIA) R R Abstract. Poniższe notatki do ćwiczeń zbieraj a podstawowe pojȩcia i stwierdzenia

Bardziej szczegółowo

Wyk lad 14 Cia la i ich w lasności

Wyk lad 14 Cia la i ich w lasności Wyk lad 4 Cia la i ich w lasności Charakterystyka cia la Określenie cia la i w lasności dzia lań w ciele y ly omówione na algerze liniowej. Stosujac terminologie z teorii pierścieni możemy powiedzieć,

Bardziej szczegółowo

Indukcja. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Indukcja. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak Indukcja Materiały pomocnicze do wykładu wykładowca: dr Magdalena Kacprzak Charakteryzacja zbioru liczb naturalnych Arytmetyka liczb naturalnych Jedną z najważniejszych teorii matematycznych jest arytmetyka

Bardziej szczegółowo

Cia la i wielomiany Javier de Lucas

Cia la i wielomiany Javier de Lucas Cia la i wielomiany Javier de Lucas Ćwiczenie 1. Za lóż, że (F, +,, 1, 0) jest cia lem i α, β F. w laściwości s a prawd a? Które z nastȩpuj acych 1. 0 α = 0. 2. ( 1) α = α. 3. Każdy element zbioru F ma

Bardziej szczegółowo

2 Rodziny zbiorów. 2.1 Algebry i σ - algebry zbiorów. M. Beśka, Wstęp do teorii miary, rozdz. 2 11

2 Rodziny zbiorów. 2.1 Algebry i σ - algebry zbiorów. M. Beśka, Wstęp do teorii miary, rozdz. 2 11 M. Beśka, Wstęp do teorii miary, rozdz. 2 11 2 Rodziny zbiorów 2.1 Algebry i σ - algebry zbiorów Niech X będzie niepustym zbiorem. Rodzinę indeksowaną zbiorów {A i } i I 2 X nazywamy rozbiciem zbioru X

Bardziej szczegółowo

Wyk lad 3 Wielomiany i u lamki proste

Wyk lad 3 Wielomiany i u lamki proste Wyk lad 3 Wielomiany i u lamki proste 1 Konstrukcja pierścienia wielomianów Niech P bedzie dowolnym pierścieniem, w którym 0 1. Oznaczmy przez P [x] zbiór wszystkich nieskończonych ciagów o wszystkich

Bardziej szczegółowo

OSOBNO ANALITYCZNYCH

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

Bardziej szczegółowo

Wyk lad 4 Dzia lania na macierzach. Określenie wyznacznika

Wyk lad 4 Dzia lania na macierzach. Określenie wyznacznika Wyk lad 4 Dzia lania na macierzach Określenie wyznacznika 1 Określenie macierzy Niech K bedzie dowolnym cia lem oraz niech n i m bed a dowolnymi liczbami naturalnymi Prostokatn a tablice a 11 a 12 a 1n

Bardziej szczegółowo

POCHODNA KIERUNKOWA. DEFINICJA Jeśli istnieje granica lim. to granica ta nazywa siȩ pochodn a kierunkow a funkcji f(m) w kierunku osi l i oznaczamy

POCHODNA KIERUNKOWA. DEFINICJA Jeśli istnieje granica lim. to granica ta nazywa siȩ pochodn a kierunkow a funkcji f(m) w kierunku osi l i oznaczamy POCHODNA KIERUNKOWA Pochodne cz astkowe funkcji f(m) = f(x, y, z) wzglȩdem x, wzglȩdem y i wzglȩdem z wyrażaj a prȩdkość zmiany funkcji w kierunku osi wspó lrzȩdnych; np. f x jest prȩdkości a zmiany funkcji

Bardziej szczegółowo

T O P O L O G I A O G Ó L N A. WPPT WYK LAD 13 Ci agi uogólnione, topologie w przestrzeniach produktowych

T O P O L O G I A O G Ó L N A. WPPT WYK LAD 13 Ci agi uogólnione, topologie w przestrzeniach produktowych T O P O L O G I A O G Ó L N A WPPT WYK LAD 13 Ci agi uogólnione, topologie w przestrzeniach produktowych Definicja. Przez rodzinȩ skierowan a rozumiemy dowolny zbiór z porz adkiem czȩściowym (K, ), taki

Bardziej szczegółowo

Wyk lad 1 Podstawowe struktury algebraiczne

Wyk lad 1 Podstawowe struktury algebraiczne Wyk lad 1 Podstawowe struktury algebraiczne 1 Dzia lanie w zbiorze Majac dane dowolne dwa przedmioty a b możemy z nich utworzyć pare uporzadkowan a (a b) o poprzedniku a i nastepniku b. Warunek na równość

Bardziej szczegółowo

Dziedziny Euklidesowe

Dziedziny Euklidesowe Dziedziny Euklidesowe 1.1. Definicja. Dziedzina Euklidesowa nazywamy pare (R, v), gdzie R jest dziedzina ca lkowitości a v : R \ {0} N {0} funkcja zwana waluacja, która spe lnia naste ce warunki: 1. dla

Bardziej szczegółowo

Wyk lad 5. Analiza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu. 1. Granice niew laściwe

Wyk lad 5. Analiza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu. 1. Granice niew laściwe Analiza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu Wyk lad 5 1. Granice niew laściwe Definicja 1 Ci ag (x n ) d aży do (jest rozbieżny do) + jeśli c R N n > N x n > c a do

Bardziej szczegółowo

Matematyka dyskretna Oznaczenia

Matematyka dyskretna Oznaczenia Matematyka dyskretna Oznaczenia Andrzej Szepietowski W tym rozdziale przedstawimy podstawowe oznacznia. oznacza kwantyfikator ogólny dla każdego. oznacza kwantyfikator szczegó lowy istnieje. 1 Sumy i iloczyny

Bardziej szczegółowo

Normy wektorów i macierzy

Normy wektorów i macierzy Rozdzia l 3 Normy wektorów i macierzy W tym rozdziale zak ladamy, że K C. 3.1 Ogólna definicja normy Niech ψ : K m,n [0, + ) b edzie przekszta lceniem spe lniaj acym warunki: (i) A K m,n ψ(a) = 0 A = 0,

Bardziej szczegółowo

Funkcje wielu zmiennych

Funkcje wielu zmiennych Funkcje wielu zmiennych Zbiory na p laszczyźnie Przestrzeni a dwuwymiarow a (p laszczyzn a) nazywamy zbiór wszystkich par uporz adkowanych (x, y), gdzie x, y R. Przestrzeń tȩ oznaczamy symbolem R 2 : R

Bardziej szczegółowo

LX Olimpiada Matematyczna

LX Olimpiada Matematyczna LX Olimpiada Matematyczna Rozwiązania zadań konkursowych zawodów stopnia drugiego 13 lutego 2009 r. (pierwszy dzień zawodów) Zadanie 1. Liczby rzeczywiste a 1, a 2,..., a n (n 2) spełniają warunek a 1

Bardziej szczegółowo

Przestrzenie wektorowe, liniowa niezależność Javier de Lucas

Przestrzenie wektorowe, liniowa niezależność Javier de Lucas Przestrzenie wektorowe, liniowa niezależność Javier de Lucas Ćwiczenie 1. W literaturze można znaleźć pojȩcia przestrzeni liniowej i przestrzeni wektorowej. Obie rzeczy maj a tak a sam a znaczenie. Nastȩpuj

Bardziej szczegółowo

1 Działania na zbiorach

1 Działania na zbiorach M. Beśka, Wstęp do teorii miary, rozdz. 1 1 1 Działania na zbiorach W rozdziale tym przypomnimy podstawowe działania na zbiorach koncentrując się na własnościach tych działań, które będą przydatne w dalszej

Bardziej szczegółowo

Zadanie 2. Obliczyć rangę dowolnego elementu zbioru uporządkowanego N 0 N 0, gdy porządek jest zdefiniowany następująco: (a, b) (c, d) (a c b d)

Zadanie 2. Obliczyć rangę dowolnego elementu zbioru uporządkowanego N 0 N 0, gdy porządek jest zdefiniowany następująco: (a, b) (c, d) (a c b d) Matemaryka dyskretna - zadania Zadanie 1. Opisać zbiór wszystkich elementów rangi k zbioru uporządkowanego X dla każdej liczby naturalnej k, gdy X jest rodziną podzbiorów zbioru skończonego Y. Elementem

Bardziej szczegółowo

Rachunek zdań - semantyka. Wartościowanie. ezyków formalnych. Semantyka j. Logika obliczeniowa. Joanna Józefowska. Poznań, rok akademicki 2009/2010

Rachunek zdań - semantyka. Wartościowanie. ezyków formalnych. Semantyka j. Logika obliczeniowa. Joanna Józefowska. Poznań, rok akademicki 2009/2010 Logika obliczeniowa Instytut Informatyki Poznań, rok akademicki 2009/2010 1 formu l rachunku zdań Wartościowanie i sta le logiczne Logiczna równoważność 2 Model formu ly Formu la spe lniona Formu la spe

Bardziej szczegółowo

Zagadnienie Dualne Zadania Programowania Liniowego. Seminarium Szkoleniowe Edyta Mrówka

Zagadnienie Dualne Zadania Programowania Liniowego. Seminarium Szkoleniowe Edyta Mrówka Zagadnienie Dualne Zadania Programowania Liniowego Seminarium Szkoleniowe Edyta Mrówka Ogólne zagadnienie PL Znajdź taki wektor X = (x 1, x 2,..., x n ), który minimalizuje kombinacje liniow a przy ograniczeniach

Bardziej szczegółowo

Niesimpleksowe metody rozwia zywania zadań PL. Seminarium Szkoleniowe Edyta Mrówka

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

Bardziej szczegółowo

w = w i ξ i. (1) i=1 w 1 w 2 :

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

Bardziej szczegółowo

(α + β) a = α a + β a α (a + b) = α a + α b (α β) a = α (β a). Definicja 4.1 Zbiór X z dzia laniami o wyżej wymienionych w lasnościach

(α + β) a = α a + β a α (a + b) = α a + α b (α β) a = α (β a). Definicja 4.1 Zbiór X z dzia laniami o wyżej wymienionych w lasnościach Rozdzia l 4 Przestrzenie liniowe 4.1 Przestrzenie i podprzestrzenie 4.1.1 Definicja i podstawowe w lasności Niech X z dzia laniem dodawania + b edzie grupa przemienna (abelowa). Oznaczmy przez 0 element

Bardziej szczegółowo

KOLOKWIUM Z ALGEBRY I R

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

Bardziej szczegółowo

Prostota grup A n. Pokażemy, że grupy A n sa. proste dla n 5. Dowód jest indukcyjny i poprzedzimy go lematem.

Prostota grup A n. Pokażemy, że grupy A n sa. proste dla n 5. Dowód jest indukcyjny i poprzedzimy go lematem. Prostota grup A n. Pokażemy, że grupy A n sa proste dla n 5. Dowód jest indukcyjny i poprzedzimy go lematem. 1 2 0. Twierdzenie Schura Zassenhausa W tym rozdziale zajmiemy sie bardzo użytecznym twierdzeniem,

Bardziej szczegółowo

MATEMATYKA DYSKRETNA - wyk lad 1 dr inż Krzysztof Bryś. Wprowadzenie

MATEMATYKA DYSKRETNA - wyk lad 1 dr inż Krzysztof Bryś. Wprowadzenie 1 MATEMATYKA DYSKRETNA - wyk lad 1 dr inż Krzysztof Bryś Wprowadzenie Istniej a dwa różne kryteria mówi ace, które narzȩdzia matematyczne należy zaliczyć do matematyki dyskretnej. Pierwsze definiuje matematykȩ

Bardziej szczegółowo

Indukcja matematyczna

Indukcja matematyczna Indukcja matematyczna 1 Zasada indukcji Rozpatrzmy najpierw następujący przykład. Przykład 1 Oblicz sumę 1 + + 5 +... + (n 1). Dyskusja. Widzimy że dla n = 1 ostatnim składnikiem powyższej sumy jest n

Bardziej szczegółowo

ANALIZA II 15 marca 2014 Semestr letni. Ćwiczenie 1. Czy dan a funkcjȩ da siȩ dookreślić w punkcie (0, 0) tak, żeby otrzymana funkcja by la ci ag la?

ANALIZA II 15 marca 2014 Semestr letni. Ćwiczenie 1. Czy dan a funkcjȩ da siȩ dookreślić w punkcie (0, 0) tak, żeby otrzymana funkcja by la ci ag la? Ci ag lość i norma Ćwiczenie. Czy dan a funkcjȩ da siȩ dookreślić w punkcie (0, 0) tak, żeby otrzymana funkcja by la ci ag la? f (x, y) = x2 y 2 x 2 + y 2, f 2(x, y) = x2 y x 2 + y 2 f 3 (x, y) = x2 y

Bardziej szczegółowo

Liczba 2, to jest jedyna najmniejsza liczba parzysta i pierwsza. Oś liczbowa. Liczba 1, to nie jest liczba pierwsza

Liczba 2, to jest jedyna najmniejsza liczba parzysta i pierwsza. Oś liczbowa. Liczba 1, to nie jest liczba pierwsza 1 SZKO LA PODSTAWOWA HELIANTUS 02-892 WARSZAWA ul. BAŻANCIA 16 3 Liczba 2, to jest jedyna najmniejsza liczba parzysta i pierwsza 2 1 0 1 2 3 x Oś liczbowa. Liczba 1, to nie jest liczba pierwsza MATEMATYKA

Bardziej szczegółowo

Indukcja matematyczna, zasada minimum i maksimum. 17 lutego 2017

Indukcja matematyczna, zasada minimum i maksimum. 17 lutego 2017 Indukcja matematyczna, zasada minimum i maksimum 17 lutego 2017 Liczby naturalne - Aksjomatyka Peano (bez zera) Aksjomatyka liczb naturalnych N jest nazwą zbioru liczb naturalnych, 1 jest nazwą elementu

Bardziej szczegółowo

Algebrą nazywamy strukturę A = (A, {F i : i I }), gdzie A jest zbiorem zwanym uniwersum algebry, zaś F i : A F i

Algebrą nazywamy strukturę A = (A, {F i : i I }), gdzie A jest zbiorem zwanym uniwersum algebry, zaś F i : A F i Algebrą nazywamy strukturę A = (A, {F i : i I }), gdzie A jest zbiorem zwanym uniwersum algebry, zaś F i : A F i A (symbol F i oznacza ilość argumentów funkcji F i ). W rozważanych przez nas algebrach

Bardziej szczegółowo

T O P O L O G I A WPPT I, sem. letni WYK LAD 8. Wroc law, 21 kwietnia D E F I N I C J E Niech (X, d) oznacza przestrzeń metryczn a.

T O P O L O G I A WPPT I, sem. letni WYK LAD 8. Wroc law, 21 kwietnia D E F I N I C J E Niech (X, d) oznacza przestrzeń metryczn a. T O P O L O G I A WPPT I, sem. letni WYK LAD 8 Zwartość D E F I N I C J E Niech (X, d) oznacza przestrzeń metryczn a. Wroc law, 1 kwietnia 008 Definicja 1. (X, d) jest ca lkowicie ograniczona jeśli dla

Bardziej szczegółowo

T O P O L O G I A O G Ó L N A WPPT WYK LAD 14 Topologie w przestrzeniach funkcji ci ag lych, Twierdzenie Stone a Weierstrassa

T O P O L O G I A O G Ó L N A WPPT WYK LAD 14 Topologie w przestrzeniach funkcji ci ag lych, Twierdzenie Stone a Weierstrassa T O P O L O G I A O G Ó L N A WPPT WYK LAD 14 Topologie w przestrzeniach funkcji ci ag lych, Twierdzenie Stone a Weierstrassa Niech X i Y oznaczaj a przestrzenie topologiczne, zaś C(X,Y) bȩdzie zbiorem

Bardziej szczegółowo

Rozdzia l 6. Wstȩp do statystyki matematycznej. 6.1 Cecha populacji generalnej

Rozdzia l 6. Wstȩp do statystyki matematycznej. 6.1 Cecha populacji generalnej Rozdzia l 6 Wstȩp do statystyki matematycznej 6.1 Cecha populacji generalnej W rozdziale tym zaprezentujemy metodȩ probabilistycznego opisu zaobserwowanego zjawiska. W takim razie (patrz rozdzia l 2.4)zjawiskotobȩdziemy

Bardziej szczegółowo

Metody Numeryczne Wykład 4 Wykład 5. Interpolacja wielomianowa

Metody Numeryczne Wykład 4 Wykład 5. Interpolacja wielomianowa Sformułowanie zadania interpolacji Metody Numeryczne Wykład 4 Wykład 5 Interpolacja wielomianowa Niech D R i niech F bȩdzie pewnym zbiorem funkcji f : D R. Niech x 0, x 1,..., x n bȩdzie ustalonym zbiorem

Bardziej szczegółowo

Definicja odwzorowania ciągłego i niektóre przykłady

Definicja odwzorowania ciągłego i niektóre przykłady Odwzorowania Pojęcie odwzorowania pomiędzy dwoma zbiorami było już definiowane, ale dawno, więc nie od rzeczy będzie przypomnieć, że odwzorowaniem nazywamy sposób przyporządkowania (niekoniecznie każdemu)

Bardziej szczegółowo

PODSTAWOWE W LASNOŚCI W ZBIORZE LICZB RZECZYWISTYCH

PODSTAWOWE W LASNOŚCI W ZBIORZE LICZB RZECZYWISTYCH PODSTAWOWE W LASNOŚCI DZIA LAŃ I NIERÓWNOŚCI W ZBIORZE LICZB RZECZYWISTYCH W dalszym cia gu be dziemy zajmować sie g lównie w lasnościami liczb rzeczywistych, funkcjami określonymi na zbiorach z lożonych

Bardziej szczegółowo

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

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

Bardziej szczegółowo

W poszukiwaniu kszta ltów kulistych

W poszukiwaniu kszta ltów kulistych W poszukiwaniu kszta ltów kulistych Piotr Mankiewicz April 4, 2005 Konwersatorium dla doktorantów Notacje 1 Cia lo wypuk le - wypuk ly, domkniȩty podzbiór ograniczony w R n. Odleg lość geometryczna dwóch

Bardziej szczegółowo

Matematyka A, klasówka, 24 maja zania zadań z kolokwium z matematyki A w nadziei, że pope lni lem wielu b le. rozwia

Matematyka A, klasówka, 24 maja zania zadań z kolokwium z matematyki A w nadziei, że pope lni lem wielu b le. rozwia Matematyka A, klasówka, 4 maja 5 Na prośbe jednej ze studentek podaje zania zadań z kolokwium z matematyki A w nadziei, że pope lni lem wielu b le dów Podać definicje wektora w lasnego i wartości w lasnej

Bardziej szczegółowo

y 1 y 2 = f 2 (t, y 1, y 2,..., y n )... y n = f n (t, y 1, y 2,..., y n ) f 1 (t, y 1, y 2,..., y n ) y = f(t, y),, f(t, y) =

y 1 y 2 = f 2 (t, y 1, y 2,..., y n )... y n = f n (t, y 1, y 2,..., y n ) f 1 (t, y 1, y 2,..., y n ) y = f(t, y),, f(t, y) = Uk lady równań różniczkowych Pojȩcia wsȩpne Uk ladem równań różniczkowych nazywamy uk lad posaci y = f (, y, y 2,, y n ) y 2 = f 2 (, y, y 2,, y n ) y n = f n (, y, y 2,, y n ) () funkcje f j, j =, 2,,

Bardziej szczegółowo

Wykład 21 Funkcje mierzalne. Kostrukcja i własności całki wzglȩdem miary przeliczalnie addytywnej

Wykład 21 Funkcje mierzalne. Kostrukcja i własności całki wzglȩdem miary przeliczalnie addytywnej Wykład 2 Funkcje mierzalne. Kostrukcja i własności całki wzglȩdem miary przeliczalnie addytywnej czȩść II (opracował: Piotr Nayar) Definicja 2.. Niech (E, E) bȩdzie przestrzenia mierzalna i niech λ : E

Bardziej szczegółowo

Zbiory, relacje i funkcje

Zbiory, relacje i funkcje Zbiory, relacje i funkcje Zbiory będziemy zazwyczaj oznaczać dużymi literami A, B, C, X, Y, Z, natomiast elementy zbiorów zazwyczaj małymi. Podstawą zależność między elementem zbioru a zbiorem, czyli relację

Bardziej szczegółowo

Grupy i cia la, liczby zespolone

Grupy i cia la, liczby zespolone Rozdzia l 1 Grupy i cia la, liczby zespolone Dla ustalenia uwagi, b edziemy używać nast epuj acych oznaczeń: N = { 1, 2, 3,... } - liczby naturalne, Z = { 0, ±1, ±2,... } - liczby ca lkowite, W = { m n

Bardziej szczegółowo

Suma i przeciȩcie podprzestrzeń, suma prosta, przestrzeń ilorazowa Javier de Lucas

Suma i przeciȩcie podprzestrzeń, suma prosta, przestrzeń ilorazowa Javier de Lucas Suma i przeciȩcie podprzestrzeń suma prosta przestrzeń ilorazowa Javier de Lucas Ćwiczenie 1 W zależności od wartości parametru p podaj wymiar przestrzeni W = v 1 v v 3 gdzie p 0 v 1 = 1 + p 3 v = 5 3

Bardziej szczegółowo

Zasada indukcji matematycznej

Zasada indukcji matematycznej Zasada indukcji matematycznej Twierdzenie 1 (Zasada indukcji matematycznej). Niech ϕ(n) będzie formą zdaniową zmiennej n N 0. Załóżmy, że istnieje n 0 N 0 takie, że 1. ϕ(n 0 ) jest zdaniem prawdziwym,.

Bardziej szczegółowo

Układy równań i nierówności liniowych

Układy równań i nierówności liniowych Układy równań i nierówności liniowych Wiesław Krakowiak 1 grudnia 2010 1 Układy równań liniowych DEFINICJA 11 Układem równań m liniowych o n niewiadomych X 1,, X n, nazywamy układ postaci: a 11 X 1 + +

Bardziej szczegółowo

Metalogika (1) Jerzy Pogonowski. Uniwersytet Opolski. Zakład Logiki Stosowanej UAM

Metalogika (1) Jerzy Pogonowski. Uniwersytet Opolski. Zakład Logiki Stosowanej UAM Metalogika (1) Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl Uniwersytet Opolski Jerzy Pogonowski (MEG) Metalogika (1) Uniwersytet Opolski 1 / 21 Wstęp Cel: wprowadzenie

Bardziej szczegółowo

13. Cia la. Rozszerzenia cia l.

13. Cia la. Rozszerzenia cia l. 59 13. Cia la. Rozszerzenia cia l. Z rozważań poprzedniego paragrafu wynika, że jeżeli wielomian f o wspó lczynnikach w ciele K jest nierozk ladalny, to pierścień ilorazowy K[X]/(f) jest cia lem zawieraja

Bardziej szczegółowo