Ruch Browna. Ilona Kosińska Instytut Inżynierii Biomedycznej i Pomiarowej Politechnika Wroc lawska. 29 listopada 2008

Wielkość: px
Rozpocząć pokaz od strony:

Download "Ruch Browna. Ilona Kosińska Instytut Inżynierii Biomedycznej i Pomiarowej Politechnika Wroc lawska. 29 listopada 2008"

Transkrypt

1 Ruch Browna Ilona Kosińska Instytut Inżynierii Biomedycznej i Pomiarowej Politechnika Wroc lawska 29 listopada 2008

2 Wst ep Obserwacje ruchu py lków roślinnych w wodzie przez Roberta Browna (1827): dynamiczny i nieregularny ruch, nie jest przejawem życia. Robert Brown ( ) botanik szkocki

3 Ruch Browna - obserwacje Analiza wyników doświadczalnych: rodzaj czastek nie odgrywa istotnej roli (py lki roślin, czastki nieorganiczne), szybkość ruchu wieksza dla mniejszych czasteczek, zależność od rodzaju cieczy (lepkość), ruchy szybsze w wyższej temperaturze.

4 Ruch Browna Albert Einstein ( ) fizyk Jako pierwszy ruch ten objaśni l A. Einstein w pracy: Über die von der molekularkinetischen Theorie der Wärme geforderte Bewegung von in ruhenden Flüssigkeiten suspendierten Teilchen, Ann. Phys. 17, (1905).

5 Ruch Browna Dwa g lówne punkty rozumowania Einsteina: Ruch jest spowodowany przez bezgranicznie czeste zderzenia czastki py lku z wiecznie poruszajacymi sie czastkami p lynu, w którym jest ona zanurzona. Ruch tych czastek jest tak skomplikowany, że ich wp lyw na ruch py lku może być jedynie opisany probabilistycznie poprzez niezwykle czeste, statystycznie niezależne zderzenia. Poczatek stochastycznego modelowania zjawisk naturalnych.

6 Ruch Browna Marian Smoluchowski ( ) fizyk polski Niezależnie to samo wyjaśnienie poda l M. Smoluchowski: Zur kinetischen Theorie der Brownschen Molekularbewegung und der Suspensionen, Ann. Phys. 21, (1906). Smoluchowski dobrze zna l prace doświadczalne, natomiast Einstein wiedzia l jedynie, że ruchy Browna sa obserwowane, ale nie zna l szczegó lów prac doświadczalnych.

7 Ruch Browna Rozumowanie Einsteina: ruch każdej czastki jest niezależny od pozosta lych, przemieszczenia tej samej czastki w różnych przedzia lach czasu sa niezależnymi procesami tak d lugo jak wybrane przedzia ly obserwacji nie sa zbyt ma le, rozważamy przedzia l τ, który jest bardzo ma ly w porównaniu do czasów obserwacji, ale wciaż na tyle duży, żeby w dwóch kolejnych odstepach τ ruch czastki móg l być traktowany jako zdarzenia niezależne.

8 Ruch Browna n ca lkowita liczba czastek zanurzonych w roztworze, w przedziale τ X owe wspó lrzedne poszczególnych czastek zmienia sie o, które dla każdej z nich ma różna (dodatnia badź ujemna) wartość. liczba dn czastek, których przemieszczenie jest z przedzia lu {, + d } jest dana równaniem: gdzie dn = nφ( )d, φ( )d = 1. φ( ) - oznacza gestość prawdopodobieństwa, że X owa wspó lrzedna czastki zmieni sie o. Jest ona różna od zera dla bardzo ma lych wartości oraz spe lnia warunek: φ( ) = φ( ).

9 Ruch Browna Kolejnym krokiem jest śledzenie zależności wspó lczynnika dyfuzji od φ( ). ograniczamy sie do przypadku, w którym liczba czastek ν na jednostke objetości zależy jedynie od x i t: ν = f (x, t). Obliczenie rozk ladu czastek w chwili t + τ na podstawie znajomości rozk ladu w chwili t: na podstawie definicji φ( ) dostajemy liczb e czastek, które w chwili t + τ maja x-owe wspó lrzedne z przedzia lu x, x + dx: f (x, t + τ)dx = dx f (x +, t)φ( )d. odpowiednik równania Chapmana Kolmogorova: niezależność wartości przemieszczenia od historii ruchu; wystarczy znać po lożenie cz astki w chwili t, żeby znaleźć po lożenie cz astki w chwili t + τ

10 Ruch Browna Ponieważ τ jest wciaż bardzo ma le, możemy rozwinać funkcje f (x, t + τ) w szereg: f (x, t + τ) = f (x, t) + τ f (x, t). t Dalej, możemy rozwinać f (x +, t) w potegach : f (x, t) f (x +, t) = f (x, t) f (x, t) x 2! x

11 Ruch Browna Po podstawieniu otrzymujemy: f + f τ τ = f φ( )d + f x + 2 f x 2 Z uwagi na φ( ) = φ( ), ca lka 2 2 φ( )d. φ( )d = 0. Korzystamy z warunku normalizacji: φ( )d = 1, φ( )d

12 Ruch Browna k ladac znajdujemy 1 τ 2 φ( )d = D, 2 f t = D 2 f x 2, Otrzymane równanie różniczkowe opisuje dyfuzj e cz astki, a sta la D jest wspó lczynnikiem dyfuzji.

13 Ruch Browna Rozwiazanie jest postaci: f (x, t) = n e x2 /4Dt. 4πD t Średnie przemieszczenie λ x w kierunku x: λ x = x 2 = 2Dt.

14 Ruch Browna Wyprowadzenie Einsteina jest oparte na za lożeniu, że zderzenia maja miejsce w chwilach 0, τ, 2τ, 3τ,... i otrzymane równanie na rozk lad f (x, t) i jego rozwiazanie sa rozumiane jako przybliżenia, w których τ jest tak ma ly, że t może być uważane za ciag l a zmienna.

15 Proces Wienera Ruch Browna - to ruch, który jest bardzo nieregularny, trajektoria nie ma stycznej: co matematycznie oznacza, że trajektoria jest prawie wszedzie ciag la, ale nigdzie nie jest różniczkowalna (Wiener, 1923). Proces Wienera W (t) (reprezentujacy po lożenie czastki Browna) spe lnia poniższe równanie: 2 t p(w, t w 0, t 0 ) = 1 2 w 2 p(w, t w 0, t 0 ) i jest to dok ladnie to samo równanie różniczkowe, które wyprowadzi l Einstein (funkcja f (x, t) w wyprowadzeniu Einsteina jest w istocie prawdopodobieństwem warunkowym p(w, t 0, 0)), gdzie D = 1. Proces Wienera jest zatem ruchem Browna.

16 Proces Wienera nieregularność oś y: proces W(t), oś x: t nieróżniczkowalność pojedyncza trajektoria W (t) jest ciag la (gdy t 0, W (t + t) W (t)), ale prawie nigdzie nie jest różniczkowalna ( (W (t + t) W (t))/ t ) oznacza, że pr edkość cz astki Browna jest prawie zawsze nieskończona. PROBLEM!

17 Proces Ornsteina-Uhlenbecka Rozwiazanie: Analiza ruchu czastki Browna przy użyciu mniejszej skali czasowej. Przedzia ly czasu t uważa sie za niewielkie w porównaniu z czasem, w którym nastepuje relaksacja predkości. Sa one jednak nadal duże w porównaniu z czasem trwania pojedynczego zderzenia badanej czastki z czastkami rozpuszczalnika. Ten bardziej realistycznym model ruchu Browna (lub też czastki Reyleigha) jest nazywany procesem Ornsteina-Uhlenbecka, który otrzymujemy poprzez dodanie liniowego wyrazu opisujacego dryft czastki do równania dyfuzji: p(v, t) = γ t v (vp(v, t)) D 2 p(v, t) v 2 gdzie γ jest sta l a, V (t) - jest procesem opisujacym predkość czastki.

18 Proces Ornsteina-Uhlenbecka Dla zespo lu identycznych czastek Browna, które w t = 0 wszystkie znajduja sie w po lożeniu x = 0 i których predkości maja rozk lad zgodny z rozk ladem równowagowym po lożenie X (t) jest procesem losowym danym przez X (t) = t 0 V (t )dt. Proces X (t) jest procesem gaussowskim. Jest ca lkowicie określony przez podanie jego pierwszego i drugiego momentu. Nie jest to jednak proces Wienera! Co wiecej proces X (t) nie jest nawet procesem markowowskim, gdyż X (t) jest zwiazany z opisem w ma lej skali czasowej, charakterystycznej dla czastki Rayleigha.

19 Proces Ornsteina-Uhlenbecka W wielkiej skali czasowej jedynie różnice czasu dużo wieksze od czasu t lumienia predkości równego 1/γ sa dozwolone, a zatem: t 2 t 1 1 γ. W tym przybliżeniu X (t) jest tożsame z rozwi azaniem dla ruchu Browna.

20 Równanie Langevina Langevin zaprezentowa l nowa metode rozwiazania zagadnienia, ca lkowicie różna od Einsteina. Swoje rozumowanie opar l na poniższych przes lankach: Paul Langevin ( ) fizyk francuski z mechaniki statystycznej (równowaga termiczna): 1 2 mv 2 = 1 2 kt gdzie T - temperatura bezwzgl edna, k - sta la Boltzmanna.

21 Równanie Langevina Na czastk e o masie m dzia laja si ly: tarcie lepkie opisane tym samym wyrażeniem co w makroskopowej hydrodynamice: 6πηa dx dt gdzie η jest lepkościa a a jest średnica sferycznej czastki (za lożenie kszta ltu) inna fluktuuj aca si la R, która reprezentuje nieustanne zderzenia czastek roztworu z czastk a Browna. Wszystko co sie o niej zak lada to to, że powinna z równym prawdopodobieństwem przyjmować dodatnie jak i ujemne wartości.

22 Równanie Langevina Równanie ruchu jest dane równaniem Newtona z si l a losowa R: m d 2 x dt 2 = 6πηadx dt + R, po pomnożeniu przez x, mamy: m 2 d 2 dt 2 (x 2 ) mv 2 = 3πηa d(x 2 ) + xr, dt gdzie v = dx/dt. Nastepnie średniujemy po dużej liczbie różnych czastek i otrzymujemy: m d 2 x 2 2 dt 2 + 3πηa d x 2 = kt, dt gdzie wyraz xr = 0 - na podstawie nieregularności wielkości R

23 Równanie Langevina Znajdujemy rozwiazanie: d x 2 dt = kt /(3πηa) + Ce 6πηat/m, gdzie C jest dowolna sta l a. Langevin oszacowa l, że eksponenta daży do zera w czasie rzedu 10 8 s (znaczaco szybko) - pomijamy ten wyraz, mamy: x 2 x 2 0 = [kt /3πηa] t, co jest tożsame z równaniem otrzymanym niezależnie przez Einsteina przy uwzgl ednieniu, że: D = kt /(6πηa).

24 Równanie Langevina m d 2 x dt 2 = 6πηadx dt + R Każde z rozwiazań równania Langevina reprezentuje inna losowa trajektorie. Korzystajac z podstawowych w lasności funkcji losowej R możemy otrzymać mierzalne rezultaty.

25 Równanie Langevina Porównanie Einstein za loży l explicite, że w wystarczajaco dużej skali czasu zmiana jest niezależna od poprzedniej wartości (markowowskość). U Langevin a zawarte implicite poprzez po lożenie xr = 0 (nieregularność funkcji R) oraz za lożenie o statystycznej niezależności x i R.

26 Ruch Browna - komentarz rozróżnienie pomiedzy szumem wewnetrznym a zewnetrznym w uk ladzie: szum zewn etrzny - sa to fluktuacje, które powsta ly w uk ladzie pod każdym wzgledem deterministycznym wskutek przy lożenia si ly losowej, o której zak ladamy, że znamy jej w lasności stochastyczne; szum wewnetrzny - sam uk lad jako taki sk lada sie z oddzielnych czastek, a szum jest w laściwy dla samego mechanizmu, który wywo luje ewolucje stanu uk ladu i nie można go oddzielić od równań ruchu; Przyk lad. Cz astka Browna wraz z otaczajac a ja ciecza stanowi zamkniety uk lad fizyczny z szumem wewnetrznym. Jednakże Langevin potraktowa l te czastk e jako uk lad mechaniczny, na który dzia la si la wywierana przez ciecz. Si l e te roz loży l na deterministyczna si l e t lumienia oraz na si l e losowa, która traktowa l jako si l e zewnetrzn a.

27 Literatura C.W.Gardiner, Hanbook of stochastic methods (1983) N. G. van Kampen, Procesy stochastyczne w fizyce i chemii (1990) P.F. Góra, Sto lat teorii ruchw Browna (2005)

O ruchach Browna i demonie Maxwella

O ruchach Browna i demonie Maxwella O ruchach Browna i demonie Maxwella P. F. Góra Wydział Fizyki, Astronomii i Informatyki Stosowanej UJ 3 listopada 216 P. F. Góra (WFAIS UJ) O ruchach Browna i demonie Maxwella 3 listopada 216 1 / 17 Odkrycie

Bardziej szczegółowo

po lożenie cz astki i od czasu (t). Dla cz astki, która może poruszać siȩ tylko w jednym wymiarze (tu x)

po lożenie cz astki i od czasu (t). Dla cz astki, która może poruszać siȩ tylko w jednym wymiarze (tu x) Stan czastki określa funkcja falowa Ψ zależna od wspó lrzȩdnych określaj acych po lożenie cz astki i od czasu (t). Dla cz astki, która może poruszać siȩ tylko w jednym wymiarze (tu x) Wartości funkcji

Bardziej szczegółowo

Wykład 2. Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova)

Wykład 2. Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova) Wykład 2 Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova) 1. Procesy Markova: definicja 2. Równanie Chapmana-Kołmogorowa-Smoluchowskiego 3. Przykład dyfuzji w kapilarze

Bardziej szczegółowo

O procesie Wienera. O procesie Wienera. Procesy stochastyczne Wykład XV, 15 czerwca 2015 r. Proces Wienera. Ruch Browna. Ułamkowe ruchy Browna

O procesie Wienera. O procesie Wienera. Procesy stochastyczne Wykład XV, 15 czerwca 2015 r. Proces Wienera. Ruch Browna. Ułamkowe ruchy Browna Procesy stochastyczne Wykład XV, 15 czerwca 2015 r. Ruch 1 {X t } jest martyngałem dokładnie wtedy, gdy E(X t F s ) = X s, s, t T, s t. Jeżeli EX 2 (t) < +, to E(X t F s ) jest rzutem ortogonalnym zmiennej

Bardziej szczegółowo

po lożenie cz astki i od czasu (t). Dla cz astki, która może poruszać siȩ tylko w jednym wymiarze (tu x)

po lożenie cz astki i od czasu (t). Dla cz astki, która może poruszać siȩ tylko w jednym wymiarze (tu x) Stan czastki określa funkcja falowa Ψ zależna od wspó lrzȩdnych określaj acych po lożenie cz astki i od czasu (t). Dla cz astki, która może poruszać siȩ tylko w jednym wymiarze (tu x) Wartości funkcji

Bardziej szczegółowo

Ekonomia matematyczna i dynamiczna optymalizacja

Ekonomia matematyczna i dynamiczna optymalizacja Ekonomia matematyczna i dynamiczna optymalizacja Ramy wyk ladu i podstawowe narz edzia matematyczne SGH Semestr letni 2012-13 Uk lady dynamiczne Rozwiazanie modelu dynamicznego bardzo czesto można zapisać

Bardziej szczegółowo

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

Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym

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

Bardziej szczegółowo

Fizyka statystyczna Równanie Fokkera-Plancka

Fizyka statystyczna Równanie Fokkera-Plancka Fizyka statystyczna Równanie Fokkera-Plancka P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 17 marca 2015 Mamy równanie master dla ciagłych rozkładów prawdopodobieństwa: P (y, t) t = (W (y y )P (y, t)

Bardziej szczegółowo

FOTON 91, Zima 2005. und der Suspensionen, Ann. Phys. 21, 756 780 (1906). Marian Smoluchowski. Robert Brown (1773 1858)

FOTON 91, Zima 2005. und der Suspensionen, Ann. Phys. 21, 756 780 (1906). Marian Smoluchowski. Robert Brown (1773 1858) 12 FOTON 91, Zima 2005 Sto lat teorii ruchów Browna Paweł F. Góra Instytut Fizyki UJ Rok 1905 był rokiem prawdziwie cudownym, annus mirabilis, dla fizyki. W roku tym ukazały się cztery bardzo ważne prace

Bardziej szczegółowo

ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 3 Tablice trwania życia 2

ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 3 Tablice trwania życia 2 Wst ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 3 Tablice trwania życia 2 1 Przypomnienie Jesteśmy już w stanie wyznaczyć tp x = l x+t l x, gdzie l x, l x+t, to liczebności kohorty odpowiednio

Bardziej szczegółowo

Fizyka statystyczna Równanie Fokkera-Plancka. P. F. Góra

Fizyka statystyczna Równanie Fokkera-Plancka. P. F. Góra Fizyka statystyczna Równanie Fokkera-Plancka P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2015 Mamy równanie master dla ciagłych rozkładów prawdopodobieństwa: P (y, t) t = (W (y y )P (y, t) W (y y)p

Bardziej szczegółowo

WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ

WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ Dana jest populacja generalna, w której dwuwymiarowa cecha (zmienna losowa) (X, Y ) ma pewien dwuwymiarowy rozk lad. Miara korelacji liniowej dla zmiennych (X, Y

Bardziej szczegółowo

Statystyka w analizie i planowaniu eksperymentu

Statystyka w analizie i planowaniu eksperymentu 23 kwietnia 2014 Korelacja - wspó lczynnik korelacji 1 Gdy badamy różnego rodzaju rodzaju zjawiska (np. przyrodnicze) możemy stwierdzić, że na każde z nich ma wp lyw dzia lanie innych czynników; Korelacja

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

Statystyka w analizie i planowaniu eksperymentu

Statystyka w analizie i planowaniu eksperymentu 31 marca 2014 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś

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

P (x, y) + Q(x, y)y = 0. g lym w obszrze G R n+1. Funkcje. zania uk ladu (1) o wykresie przebiegaja

P (x, y) + Q(x, y)y = 0. g lym w obszrze G R n+1. Funkcje. zania uk ladu (1) o wykresie przebiegaja 19. O ca lkach pierwszych W paragrafie 6 przy badaniu rozwia zań równania P (x, y) + Q(x, y)y = 0 wprowadzono poje cie ca lki równania, podano pewne kryteria na wyznaczanie ca lek równania. Znajomość ca

Bardziej szczegółowo

Statystyka w analizie i planowaniu eksperymentu

Statystyka w analizie i planowaniu eksperymentu 29 marca 2011 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś

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

WYK LAD 2: PODSTAWOWE STRUKTURY ALGEBRAICZNE, PIERWIASTKI WIELOMIANÓW, ROZK LAD FUNKCJI WYMIERNEJ NA U LAMKI PROSTE

WYK LAD 2: PODSTAWOWE STRUKTURY ALGEBRAICZNE, PIERWIASTKI WIELOMIANÓW, ROZK LAD FUNKCJI WYMIERNEJ NA U LAMKI PROSTE WYK LAD 2: PODSTAWOWE STRUKTURY ALGEBRAICZNE, PIERWIASTKI WIELOMIANÓW, ROZK LAD FUNKCJI WYMIERNEJ NA U LAMKI PROSTE Definicja 1 Algebra abstrakcyjna nazywamy teorie, której przedmiotem sa dzia lania na

Bardziej szczegółowo

Transformacja Lorentza - Wyprowadzenie

Transformacja Lorentza - Wyprowadzenie Transformacja Lorentza - Wyprowadzenie Rozważmy obserwatorów zwiazanych z różnymi inercjalnymi uk ladami odniesienia, S i S. Odpowiednie osie uk ladów S i S sa równoleg le, przy czym uk lad S porusza sie

Bardziej szczegółowo

Ruchy Browna. Wykład XIII Mechanika statystyczna 1. Podejście Einsteina

Ruchy Browna. Wykład XIII Mechanika statystyczna 1. Podejście Einsteina Wykład XIII Mechanika statystyczna 1 Ruchy Browna Stosując metody fizyki statystycznej do opisu układów wielu ciał, koncentrowaliśmy się dotychczas na ich charakterystykach uśrednionych po dostatecznie

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

Termodynamika. Część 11. Układ wielki kanoniczny Statystyki kwantowe Gaz fotonowy Ruchy Browna. Janusz Brzychczyk, Instytut Fizyki UJ

Termodynamika. Część 11. Układ wielki kanoniczny Statystyki kwantowe Gaz fotonowy Ruchy Browna. Janusz Brzychczyk, Instytut Fizyki UJ Termodynamika Część 11 Układ wielki kanoniczny Statystyki kwantowe Gaz fotonowy Ruchy Browna Janusz Brzychczyk, Instytut Fizyki UJ Układ otwarty rozkład wielki kanoniczny Rozważamy układ w równowadze termicznej

Bardziej szczegółowo

Statystyka w analizie i planowaniu eksperymentu

Statystyka w analizie i planowaniu eksperymentu 21 marca 2011 Zmienna losowa - wst ep Przeprowadzane w praktyce badania i eksperymenty maja bardzo różnorodny charakter, niemniej jednak wiaż a sie one z rejestracja jakiś sygna lów (danych). Moga to być

Bardziej szczegółowo

Dyskretne modele populacji

Dyskretne modele populacji Dyskretne modele populacji Micha l Machtel Adam Soboczyński 17 stycznia 2007 Typeset by FoilTEX Dyskretne modele populacji [1] Wst ep Dyskretny opis modelu matematycznego jest dobry dla populacji w których

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

Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym

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

Bardziej szczegółowo

Fluktuacje wokół nas Dziedzictwo Mariana Smoluchowskiego

Fluktuacje wokół nas Dziedzictwo Mariana Smoluchowskiego Fluktuacje wokół nas Dziedzictwo Mariana Smoluchowskiego P. F. Góra Wydział Fizyki, Astronomii i Informatyki Stosowanej UJ 4 września 2017 P. F. Góra (WFAIS UJ) Fluktuacje wokół nas Dziedzictwo Mariana

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

Dyskretne modele populacji

Dyskretne modele populacji Dyskretne modele populacji Micha l Machtel Adam Soboczyński 19 stycznia 2007 Typeset by FoilTEX Dyskretne modele populacji [1] Wst ep Dyskretny opis modelu matematycznego jest dobry dla populacji w których

Bardziej szczegółowo

Statystyka w analizie i planowaniu eksperymentu

Statystyka w analizie i planowaniu eksperymentu 10 marca 2014 Zmienna losowa - wst ep Przeprowadzane w praktyce badania i eksperymenty maja bardzo różnorodny charakter, niemniej jednak wiaż a sie one z rejestracja jakiś sygna lów (danych). Moga to być

Bardziej szczegółowo

Rotacje i drgania czasteczek

Rotacje i drgania czasteczek Rotacje i drgania czasteczek wieloatomowych Gdy znamy powierzchnie energii potencjalnej V( R 1, R 2,..., R N ) to możemy obliczyć poziomy energetyczne czasteczki. Poziomy te sa w ogólności efektem: rotacji

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

Procesy Stochastyczne - Zestaw 1

Procesy Stochastyczne - Zestaw 1 Procesy Stochastyczne - Zestaw 1 Zadanie 1 Niech ξ i η bed a niezależnymi zmiennymi losowymi o rozk ladach N (0, 1). Niech X = ξ +η i Y = ξ η. Znaleźć rozk lad (X, Y ) i rozk lad warunkowy L X ( Y ). Zadanie

Bardziej szczegółowo

Sterowanie optymalne dla uk ladów nieliniowych. Zasada maksimum Pontriagina.

Sterowanie optymalne dla uk ladów nieliniowych. Zasada maksimum Pontriagina. Sterowanie optymalne dla uk ladów nieliniowych. Zasada maksimum Pontriagina. Podstawowy problem sterowania optymalnego dla uk ladów nieliniowych W podstawowym problemie sterowania optymalnego minimalizacji

Bardziej szczegółowo

Test numer xxx EGZAMIN PISEMNY Z MATEMATYKI DLA KANDYDATÓW NA KIERUNEK MATEMATYKA 5 LIPCA 2001 ROKU. Czas trwania egzaminu: 180 min.

Test numer xxx EGZAMIN PISEMNY Z MATEMATYKI DLA KANDYDATÓW NA KIERUNEK MATEMATYKA 5 LIPCA 2001 ROKU. Czas trwania egzaminu: 180 min. Test numer xxx EGZAMIN PISEMNY Z MATEMATYKI DLA KANDYDATÓW NA KIERUNEK MATEMATYKA 5 LIPCA 001 ROKU Czas trwania egzaminu: 180 min Liczba zadań: 30 Każde zadanie sk lada sie z trzech cześci Odpowiedź do

Bardziej szczegółowo

Dyfuzyjny Transport Masy

Dyfuzyjny Transport Masy POLITECHNIKA ŚLĄSKA WYDZIAŁ CHEMICZNY KATEDRA FIZYKOCHEMII I TECHNOLOGII POLIMERÓW LABORATORIUM Z FIZYKI I BIOFIZYKI Dyfuzyjny Transport Masy 1. Wprowadzenie Dyfuzja jest to proces, w którym następuje

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Analiza szeregów czasowych: 5. Liniowe modele stochastyczne

Analiza szeregów czasowych: 5. Liniowe modele stochastyczne Analiza szeregów czasowych: 5. Liniowe modele stochastyczne P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2006/07 Dwa rodzaje modelowania 1. Modelowanie z pierwszych zasad. Znamy prawa

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 2 Tablice trwania życia

ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 2 Tablice trwania życia Wst ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 2 Tablice trwania życia 1 Cele (na dzisiaj): Zrozumieć w jaki sposób można wyznaczyć przysz ly czas życia osoby w wieku x. Zrozumieć parametry

Bardziej szczegółowo

Jednorazowa sk ladka netto w przypadku stochastycznej stopy procentowej. Ubezpieczenie na ca le życie z n-letnim okresem odroczenia.

Jednorazowa sk ladka netto w przypadku stochastycznej stopy procentowej. Ubezpieczenie na ca le życie z n-letnim okresem odroczenia. Jednorazowa sk ladka netto w przypadku stochastycznej stopy procentowej Ubezpieczenie na ca le życie z n-letnim okresem odroczenia Wartość obecna wyp laty Y = Zatem JSN = = Kx +1 0, K x = 0, 1,..., n 1,

Bardziej szczegółowo

POLITECHNIKA ŚWIĘTOKRZYSKA w Kielcach WYDZIAŁ MECHATRONIKI I BUDOWY MASZYN KATEDRA URZĄDZEŃ MECHATRONICZNYCH LABORATORIUM FIZYKI INSTRUKCJA

POLITECHNIKA ŚWIĘTOKRZYSKA w Kielcach WYDZIAŁ MECHATRONIKI I BUDOWY MASZYN KATEDRA URZĄDZEŃ MECHATRONICZNYCH LABORATORIUM FIZYKI INSTRUKCJA POLITECHNIKA ŚWIĘTOKRZYSKA w Kielcach WYDZIAŁ MECHATRONIKI I BUDOWY MASZYN KATEDRA URZĄDZEŃ MECHATRONICZNYCH LABORATORIUM FIZYKI INSTRUKCJA ĆWICZENIE LABORATORYJNE NR 1 Temat: Wyznaczanie współczynnika

Bardziej szczegółowo

Równania różniczkowe o zmiennych rozdzielonych

Równania różniczkowe o zmiennych rozdzielonych I Newton sformu lowa l podstawowe zasady dynamiki Druga zasada dynamiki ma postać wzoru F = m a F oznacza tu si le dzia laja ca na cia lo o masie m, a oznacza przyspieszenie tego cia la Przyspieszenie

Bardziej szczegółowo

. Cel ćwiczenia Celem ćwiczenia jest porównanie na drodze obserwacji wizualnej przepływu laminarnego i turbulentnego, oraz wyznaczenie krytycznej licz

. Cel ćwiczenia Celem ćwiczenia jest porównanie na drodze obserwacji wizualnej przepływu laminarnego i turbulentnego, oraz wyznaczenie krytycznej licz ZAKŁAD MECHANIKI PŁYNÓW I AERODYNAMIKI ABORATORIUM MECHANIKI PŁYNÓW ĆWICZENIE NR DOŚWIADCZENIE REYNODSA: WYZNACZANIE KRYTYCZNEJ ICZBY REYNODSA opracował: Piotr Strzelczyk Rzeszów 997 . Cel ćwiczenia Celem

Bardziej szczegółowo

Wykład 14. Termodynamika gazu fotnonowego

Wykład 14. Termodynamika gazu fotnonowego Wykład 14 Termodynamika gazu fotnonowego dr hab. Agata Fronczak, prof. PW Wydział Fizyki, Politechnika Warszawska 16 stycznia 217 dr hab. A. Fronczak (Wydział Fizyki PW) Wykład: Elementy fizyki statystycznej

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

Prognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania

Prognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania Prognozowanie i Symulacje. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Szeregi czasowe 1 Szeregi czasowe 2 3 Szeregi czasowe Definicja 1 Szereg czasowy jest to proces stochastyczny z czasem dyskretnym

Bardziej szczegółowo

i elektronów w czasteczkach (laboratoryjnym) operator Hamiltona dla czasteczki dwuatomowej (jadra 2M b a i b; m -masa elektronu e 2 r ij

i elektronów w czasteczkach (laboratoryjnym) operator Hamiltona dla czasteczki dwuatomowej (jadra 2M b a i b; m -masa elektronu e 2 r ij Notatki do wyk ladu IX Rozdzielenie ruchu jader i elektronów w czasteczkach W dowolnym uk ladzie wspó lrzednych (laboratoryjnym) operator Hamiltona dla czasteczki dwuatomowej (jadra a i b)ma postać: Ĥ

Bardziej szczegółowo

Postulaty mechaniki kwantowej

Postulaty mechaniki kwantowej Wyk lad 2 Postulaty mechaniki kwantowej 1 wymiar Postulat Stan czastki określa funkcja falowa Ψ = Ψ(x, t) zależna od po lożenia czastki x oraz czasu t. Interpretacje fizyczna ma jedynie kwadrat modu lu

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

stosunek przyrostu funkcji y do odpowiadajacego dy dx = lim y wielkości fizycznej x, y = f(x), to pochodna dy v = ds edkości wzgl edem czasu, a = dv

stosunek przyrostu funkcji y do odpowiadajacego dy dx = lim y wielkości fizycznej x, y = f(x), to pochodna dy v = ds edkości wzgl edem czasu, a = dv Matematyka Pochodna Pochodna funkcji y = f(x) w punkcie x nazywamy granice, do której daży stosunek przyrostu funkcji y do odpowiadajacego mu przyrostu zmiennej niezaleźnej x, g przyrost zmiennej daży

Bardziej szczegółowo

Oddzia lywania miedzycz. jony molekularne lub atomy. edzy A i B:

Oddzia lywania miedzycz. jony molekularne lub atomy. edzy A i B: Notatki do wyk ladu XIII Oddzia lywania miedzycz asteczkowe A i B zamknietopow lokowe czasteczki, jony molekularne lub atomy. Energia oddzia lywania E oddz mi edzy A i B: E oddz = E AB (E A + E B ) ()

Bardziej szczegółowo

r. akad. 2005/ 2006 Jan Królikowski Fizyka IBC

r. akad. 2005/ 2006 Jan Królikowski Fizyka IBC VIII.1 Pojęcia mikrostanu i makrostanu układu N punktów materialnych. Prawdopodobieństwo termodynamiczne. Entropia. VIII. Rozkład Boltzmanna VIII.3 Twierdzenie o wiriale Jan Królikowski Fizyka IBC 1 Uwagi

Bardziej szczegółowo

Analiza szeregów czasowych: 7. Liniowe modele stochastyczne

Analiza szeregów czasowych: 7. Liniowe modele stochastyczne Analiza szeregów czasowych: 7. Liniowe modele stochastyczne P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2005/06 Liniowe modele stochastyczne Niech {y n } N n=1 będzie pewnym ciagiem danych

Bardziej szczegółowo

Wzory Viete a i ich zastosowanie do uk ladów równań wielomianów symetrycznych dwóch i trzech zmiennych

Wzory Viete a i ich zastosowanie do uk ladów równań wielomianów symetrycznych dwóch i trzech zmiennych Wzory Viete a i ich zastosowanie do uk ladów równań wielomianów symetrycznych dwóch i trzech zmiennych Pawe l Józiak 007-- Poje cia wste pne Wielomianem zmiennej rzeczywistej t nazywamy funkcje postaci:

Bardziej szczegółowo

IX. MECHANIKA (FIZYKA) KWANTOWA

IX. MECHANIKA (FIZYKA) KWANTOWA IX. MECHANIKA (FIZYKA) KWANTOWA IX.1. OPERACJE OBSERWACJI. a) klasycznie nie ważna kolejność, w jakiej wykonujemy pomiary. AB = BA A pomiar wielkości A B pomiar wielkości B b) kwantowo wartość obserwacji

Bardziej szczegółowo

g liczb rzeczywistych (a n ) spe lnia warunek

g liczb rzeczywistych (a n ) spe lnia warunek . Czy jest prawda, że a) R y R z R y + yz + = 0 ; b) R y R z R y + yz + 0 ; c) R y R z R y + yz + = 0 ; d) R y R z R y + yz + 0? 2. Czy jest prawdziwa nierówność a) ctg > ; b) tg < cos ; c) cos < sin ;

Bardziej szczegółowo

Statystyka w analizie i planowaniu eksperymentu

Statystyka w analizie i planowaniu eksperymentu 22 marca 2011 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś

Bardziej szczegółowo

Wyk lad 14 Formy kwadratowe I

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

Bardziej szczegółowo

Statystyka w analizie i planowaniu eksperymentu lista nr 7

Statystyka w analizie i planowaniu eksperymentu lista nr 7 Statystyka w analizie i planowaniu eksperymentu lista nr 7 1 B l edy pomiaru Wskutek niedoskona lości przyrzadów jak również niedoskona lości naszych zmys lów - wszystkie pomiary sa dokonywane z określonym

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

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

Jak dyfuzja anomalna stała się normalna

Jak dyfuzja anomalna stała się normalna FOTON 19, Lato 015 13 Jak dyfuzja anomalna stała się normalna Bartłomiej Dybiec Instytut Fizyki UJ Dyfuzja jest procesem samoistnego przemieszczania się cząsteczek na skutek zderzeń z innymi cząsteczkami.

Bardziej szczegółowo

Marian Smoluchowski i fizyka statystyczna

Marian Smoluchowski i fizyka statystyczna Marian Smoluchowski i fizyka statystyczna P. F. Góra Wydział Fizyki, Astronomii i Informatyki Stosowanej UJ 5 października 2016 P. F. Góra (WFAIS UJ) Marian Smoluchowski i fizyka statystyczna 5 października

Bardziej szczegółowo

gdy wielomian p(x) jest podzielny bez reszty przez trójmian kwadratowy x rx q. W takim przypadku (5.10)

gdy wielomian p(x) jest podzielny bez reszty przez trójmian kwadratowy x rx q. W takim przypadku (5.10) 5.5. Wyznaczanie zer wielomianów 79 gdy wielomian p(x) jest podzielny bez reszty przez trójmian kwadratowy x rx q. W takim przypadku (5.10) gdzie stopieñ wielomianu p 1(x) jest mniejszy lub równy n, przy

Bardziej szczegółowo

Wykład 3. Entropia i potencjały termodynamiczne

Wykład 3. Entropia i potencjały termodynamiczne Wykład 3 Entropia i potencjały termodynamiczne dr hab. Agata Fronczak, prof. PW Wydział Fizyki, Politechnika Warszawska 1 stycznia 2017 dr hab. A. Fronczak (Wydział Fizyki PW) Wykład: Elementy fizyki statystycznej

Bardziej szczegółowo

Statystyka w analizie i planowaniu eksperymentu

Statystyka w analizie i planowaniu eksperymentu 21 marca 2011 Zmienna losowa wst ep Przeprowadzane w praktyce badania i eksperymenty maja bardzo różnorodny charakter, niemniej jednak wiaż a sie z rejestracja jakiś sygna lów (danych). Moga to być na

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

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

SYSTEM DIAGNOSTYCZNY OPARTY NA LOGICE DOMNIEMAŃ. Ewa Madalińska. na podstawie prac:

SYSTEM DIAGNOSTYCZNY OPARTY NA LOGICE DOMNIEMAŃ. Ewa Madalińska. na podstawie prac: SYSTEM DIAGNOSTYCZNY OPARTY NA LOGICE DOMNIEMAŃ Ewa Madalińska na podstawie prac: [1] Lukaszewicz,W. (1988) Considerations on Default Logic: An Alternative Approach. Computational Intelligence, 44[1],

Bardziej szczegółowo

w jednowymiarowym pudle potencja lu

w jednowymiarowym pudle potencja lu Do wyk ladu II czastka w pudle potencja lu oscylator harmoniczny rotator sztywny Ścis le rozwiazania równania Schrödingera: atom wodoru i jon wodoropodobny) Czastka w jednowymiarowym pudle potencja lu

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

Indeks odwzorowania zmiennej zespolonej wzgl. krzywej zamknietej

Indeks odwzorowania zmiennej zespolonej wzgl. krzywej zamknietej Indeks odwzorowania zmiennej zespolonej wzgl edem krzywej zamkni etej 1. Liczby zespolone - konstrukcja Hamiltona 2. Homotopia odwzorowań na okr egu 3. Indeks odwzorowania ciag lego wzgledem krzywej zamknietej

Bardziej szczegółowo

RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA. Spis pojȩċ teoretycznych

RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA. Spis pojȩċ teoretycznych 1 RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA Spis pojȩċ teoretycznych 1. Podstawowe pojȩcia: doświadczenie losowe, zdarzenie elementarne, zdarzenie losowe, przestrzeń zdarzeń elementarnych, zbiór zdarzeń

Bardziej szczegółowo

Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2016/2017. Forma studiów: Stacjonarne Kod kierunku: 11.

Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2016/2017. Forma studiów: Stacjonarne Kod kierunku: 11. Państwowa Wyższa Szko la Zawodowa w Nowym Sa czu Karta przedmiotu Instytut Techniczny obowiązuje studentów rozpoczynających studia w roku akademickim 2016/2017 Kierunek studiów: Informatyka Profil: Praktyczny

Bardziej szczegółowo

Zadania o liczbach zespolonych

Zadania o liczbach zespolonych Zadania o liczbach zespolonych Zadanie 1. Znaleźć takie liczby rzeczywiste a i b, aby zachodzi ly równości: a) a( + i) + b(4 i) 6 i, b) a( + i) + b( + i) 8i, c) a(4 i) + b(1 + i) 7 1i, ( ) a d) i + b +i

Bardziej szczegółowo

Janusz Adamowski METODY OBLICZENIOWE FIZYKI Kwantowa wariacyjna metoda Monte Carlo. Problem własny dla stanu podstawowego układu N cząstek

Janusz Adamowski METODY OBLICZENIOWE FIZYKI Kwantowa wariacyjna metoda Monte Carlo. Problem własny dla stanu podstawowego układu N cząstek Janusz Adamowski METODY OBLICZENIOWE FIZYKI 1 Rozdział 20 KWANTOWE METODY MONTE CARLO 20.1 Kwantowa wariacyjna metoda Monte Carlo Problem własny dla stanu podstawowego układu N cząstek (H E 0 )ψ 0 (r)

Bardziej szczegółowo

0.1 Sposȯb rozk ladu liczb na czynniki pierwsze

0.1 Sposȯb rozk ladu liczb na czynniki pierwsze 1 Temat 5: Liczby pierwsze Zacznijmy od definicji liczb pierwszych Definition 0.1 Liczbȩ naturaln a p > 1 nazywamy liczb a pierwsz a, jeżeli ma dok ladnie dwa dzielniki, to jest liczbȩ 1 i sam a siebie

Bardziej szczegółowo

O Marianie Smoluchowskim, górach i fizyce

O Marianie Smoluchowskim, górach i fizyce O Marianie Smoluchowskim, górach i fizyce P. F. Góra Wydział Fizyki, Astronomii i Informatyki Stosowanej UJ 4 października 2012 P. F. Góra (WFAIS UJ) O Marianie Smoluchowskim, górach i fizyce 4 października

Bardziej szczegółowo

Statystyka w analizie i planowaniu eksperymentu

Statystyka w analizie i planowaniu eksperymentu 5 marca 2011 Zasady 10 wyk ladów; egzamin pisemny; Literatura 1 A. Lomnicki Wprowadzenie do statystyki dla przyrodników PWN 1999. 2 W. Krysicki, J. Bartos, W. Dyczka, K. Królikowska, M. Wasilewski Rachunek

Bardziej szczegółowo

Niezmienniki i pó lniezmienniki w zadaniach

Niezmienniki i pó lniezmienniki w zadaniach Niezmienniki i pó lniezmienniki w zadaniach Krzysztof Che lmiński Wydzia l Matematyki i Nauk Informacyjnych Politechnika Warszawska MiNI-Akademia Matematyki Warszawa, 2 marca, 2013 Na czym polega metoda

Bardziej szczegółowo

Fizyka dla Informatyków Wykład 8 Mechanika cieczy i gazów

Fizyka dla Informatyków Wykład 8 Mechanika cieczy i gazów Fizyka dla Informatyków Wykład 8 Katedra Informatyki Stosowanej PJWSTK 2008 Spis treści Spis treści 1 Podstawowe równania hydrodynamiki 2 3 Równanie Bernoulliego 4 Spis treści Spis treści 1 Podstawowe

Bardziej szczegółowo

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ. Zadania z Procesów Stochastycznych 1 1. Udowodnij, że z prawdopodobieństwem 1 trajektorie procesu Poissona są niemalejące, przyjmują wartości z Z +, mają wszystkie skoki równe 1 oraz dążą do nieskończoności.

Bardziej szczegółowo

CHEMIA KWANTOWA MONIKA MUSIA L METODA HÜCKLA. Ćwiczenia. http://zcht.mfc.us.edu.pl/ mm

CHEMIA KWANTOWA MONIKA MUSIA L METODA HÜCKLA. Ćwiczenia. http://zcht.mfc.us.edu.pl/ mm CHEMIA KWANTOWA MONIKA MUSIA L METODA HÜCKLA Ćwiczenia Zwi azki organiczne zawieraj ace uk lady π-elektronowe Sprzȩżony uk lad wi azań podwójnych: -C=C-C=C-C=C-C=C- Skumulowany uk lad wi azań podwójnych:

Bardziej szczegółowo

Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2016/2017. Forma studiów: Stacjonarne Kod kierunku: 06.

Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2016/2017. Forma studiów: Stacjonarne Kod kierunku: 06. Państwowa Wyższa Szko la Zawodowa w Nowym Sa czu Karta przedmiotu Instytut Techniczny obowiązuje studentów rozpoczynających studia w roku akademickim 2016/2017 Kierunek studiów: Zarządzanie i inżynieria

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

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

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

Spacery losowe generowanie realizacji procesu losowego

Spacery losowe generowanie realizacji procesu losowego Spacery losowe generowanie realizacji procesu losowego Michał Krzemiński Streszczenie Omówimy metodę generowania trajektorii spacerów losowych (błądzenia losowego), tj. szczególnych procesów Markowa z

Bardziej szczegółowo

Zadania. kwiecień 2009. Ćwiczenia III. Zadanie 1. Uk lad A o energii E A skontaktowano termicznie z uk ladem B o energii E B.

Zadania. kwiecień 2009. Ćwiczenia III. Zadanie 1. Uk lad A o energii E A skontaktowano termicznie z uk ladem B o energii E B. kwiecień 009 Ćwiczenia III Zadania Zadanie 1 Uk lad A o energii E A skontaktowano termicznie z uk ladem B o energii E B Udowodnić że jeżeli ln Ω A (E A < ln Ω B(E B E A E B to energia przep lynie z uk

Bardziej szczegółowo

Uproszczony dowod twierdzenia Fredricksona-Maiorany

Uproszczony dowod twierdzenia Fredricksona-Maiorany Uproszczony dowod twierdzenia Fredricksona-Maiorany W. Rytter Dla uproszczenia rozważamy tylko teksty binarne. S lowa Lyndona sa zwartymi reprezentacjami liniowymi s lów cyklicznych. Dla s lowa x niech

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

Wyk lad 3. Natalia Nehrebecka Dariusz Szymański. 13 kwietnia, 2010

Wyk lad 3. Natalia Nehrebecka Dariusz Szymański. 13 kwietnia, 2010 Wyk lad 3 Natalia Nehrebecka Dariusz Szymański 13 kwietnia, 2010 N. Nehrebecka, D.Szymański Plan zaj eć 1 Sprowadzenie modelu nieliniowego do liniowego 2 w modelu liniowym Elastyczność Semielastyczność

Bardziej szczegółowo

Konkurs Matematyczny, KUL, 30 marca 2012 r.

Konkurs Matematyczny, KUL, 30 marca 2012 r. Konkurs Matematyczny, KUL, 30 marca 01 r. W pustych kratkach obok liter A) B) C) D) nale zy wpisać s owo TAK lub NIE. Zadanie zostanie uznane za rozwiazane, jeśli wszystkie cztery odpowiedzi sa poprawne.

Bardziej szczegółowo

Wersja testu D 14 września 2011 r. 1. Czy prawda jest, że a) x Z y Z y 2 = 2 ; b) x Z y Z x 2 = 1 ; c) x Z y Z x 2 = 2 ; d) x Z y Z y 2 = 1?

Wersja testu D 14 września 2011 r. 1. Czy prawda jest, że a) x Z y Z y 2 = 2 ; b) x Z y Z x 2 = 1 ; c) x Z y Z x 2 = 2 ; d) x Z y Z y 2 = 1? 1. Czy prawda jest, że a) x Z y Z y 2 = 2 ; b) x Z y Z x 2 = 1 ; c) x Z y Z x 2 = 2 ; d) x Z y Z y 2 = 1? 2. Czy prawda jest, że a) 5 8 1 jest podzielne przez 4 ; b) 5 7 1 jest podzielne przez 4 ; c) 3

Bardziej szczegółowo